About this Course

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 12시간 필요

권장: Une semaine de cours, 8 à 10 heures par semaine...

프랑스어

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 12시간 필요

권장: Une semaine de cours, 8 à 10 heures par semaine...

프랑스어

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 7분 필요

Introduction

2개 동영상 (총 7분)
2개의 동영상
Présentation de Qwiklabs5m
완료하는 데 3시간 필요

Core TensorFlow

19개 동영상 (총 72분), 4 quizzes
19개의 동영상
Qu'est-ce que TensorFlow ?2m
Avantages d'un graphe orienté5m
Hiérarchie de l'API TensorFlow3m
Évaluation paresseuse4m
Graphique et session4m
Évaluer un Tensor2m
Visualiser un graph2m
Tensors6m
Variables6m
Présentation de l'atelier : Écrire des programmes TensorFlow de bas niveau16
Solution de l'atelier8m
Présentation5m
Problèmes de forme3m
Résoudre les problèmes de forme2m
Problèmes de type de données1m
Déboguer des programmes complets4m
Présentation : Déboguer des programmes complets15
Démonstration : Déboguer des programmes complets3m
3개 연습문제
Qu'est-ce que TensorFlow ?2m
Graphe et session8m
Core TensorFlow20m
2
완료하는 데 4시간 필요

API Estimator

18개 동영상 (총 67분), 4 quizzes
18개의 동영상
API Estimator3m
Estimators prédéfinis5m
Démonstration : Modèle du prix des logements1m
Points de contrôle1m
Apprentissage avec des ensembles de données en mémoire2m
Présentation de l'atelier : API Estimator39
Solution de l'atelier : API Estimator10m
Apprentissage avec de grands ensembles de données grâce à l'API Dataset8m
Présentation de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot35
Solution de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot5m
Tâches de grande envergure, apprentissage distribué6m
Assurer la surveillance avec TensorBoard3m
Démonstration : UI TensorBoard28
Fonctionnalité d'entrée de diffusion5m
Récapitulatif : API Estimator1m
Présentation de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator51
Solution de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator7m
1개 연습문제
API Estimator18m
3
완료하는 데 2시간 필요

Effectuer le scaling des modèles TensorFlow avec CMLE

6개 동영상 (총 29분), 2 quizzes
6개의 동영상
Pourquoi Cloud Machine Learning Engine ?6m
Entraîner un modèle2m
Surveiller et déployer des tâches d'entraînement2m
Présentation de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine50
Solution de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine16m
1개 연습문제
Cloud MLE10m
완료하는 데 2분 필요

Récapitulatif

1개 동영상 (총 2분)
1개의 동영상

Google 클라우드 정보

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

Machine Learning with TensorFlow on Google Cloud Platform en Français 전문 분야 정보

Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML. Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform. >>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform en Français

자주 묻는 질문

  • 예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.

  • 세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.

  • 등록 후 세션이 시작되면 읽기 자료 항목 및 강좌 토론 포럼을 포함하여 모든 비디오와 기타 리소스를 이용할 수 있습니다. 연습 평가를 보고 제출하며 필요한 성적 평가 과제를 완료하여 성적을 받고 강좌 수료증을 취득할 수 있습니다.

  • 강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.

  • 이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.