Starting from a history of machine learning, we discuss why neural networks today perform so well in a variety of data science problems. We then discuss how to set up a supervised learning problem and find a good solution using gradient descent. This involves creating datasets that permit generalization; we talk about methods of doing so in a repeatable way that supports experimentation. Course Objectives: Identify why deep learning is currently popular Optimize and evaluate models using loss functions and performance metrics Mitigate common problems that arise in machine learning Create repeatable and scalable training, evaluation, and test datasets
이 강좌는 Machine Learning with TensorFlow on Google Cloud Platform 전문 분야의 일부입니다.
Launching into Machine Learning
제공자:
About this Course
최근 조회 26,693회
Learner Career Outcomes
43%
이 강좌를 수료한 후 새로운 경력 시작하기
44%
이 강좌를 통해 확실한 경력상 이점 얻기
29%
급여 인상 또는 승진하기
귀하가 습득할 기술
TensorflowBigqueryMachine LearningData Cleansing
Learner Career Outcomes
43%
이 강좌를 수료한 후 새로운 경력 시작하기
44%
이 강좌를 통해 확실한 경력상 이점 얻기
29%
급여 인상 또는 승진하기
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 전문 분야의 5개 강좌 중 2번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 7시간 필요
권장: 5 - 7 hours per week
영어
자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 9분 필요
Introduction
In this course you’ll get foundational ML knowledge so that you understand the terminology that we use throughout the specialization. You will also learn practical tips and pitfalls from ML practitioners here at Google and walk away with the code and the knowledge to bootstrap your own ML models.
완료하는 데 9분 필요
2개 동영상 (총 9분)
완료하는 데 1시간 필요
Practical ML
In this module, we will introduce some of the main types of machine learning and review the history of ML leading up to the state of the art so that you can accelerate your growth as an ML practitioner.
완료하는 데 1시간 필요
10개 동영상 (총 62분), 1 quiz
10개의 동영상
Supervised Learning5m
Regression and Classification11m
Short History of ML: Linear Regression7m
Short History of ML: Perceptron5m
Short History of ML: Neural Networks7m
Short History of ML: Decision Trees5m
Short History of ML: Kernel Methods4m
Short History of ML: Random Forests4m
Short History of ML: Modern Neural Networks8m
1개 연습문제
Module Quiz6m
완료하는 데 1시간 필요
Optimization
In this module we will walk you through how to optimize your ML models.
완료하는 데 1시간 필요
13개 동영상 (총 60분), 1 quiz
13개의 동영상
Defining ML Models4m
Introducing the Natality Dataset6m
Introducing Loss Functions6m
Gradient Descent5m
Troubleshooting a Loss Curve2m
ML Model Pitfalls6m
Lab: Introducing the TensorFlow Playground6m
Lab: TensorFlow Playground - Advanced3m
Lab: Practicing with Neural Networks6m
Loss Curve Troubleshooting1m
Performance Metrics3m
Confusion Matrix5m
1개 연습문제
Module Quiz6m
완료하는 데 3시간 필요
Generalization and Sampling
Now it’s time to answer a rather weird question: when is the most accurate ML model not the right one to pick? As we hinted at in the last module on Optimization -- simply because a model has a loss metric of 0 for your training dataset does not mean it will perform well on new data in the real world.
완료하는 데 3시간 필요
9개 동영상 (총 64분), 3 quizzes
9개의 동영상
Generalization and ML Models6m
When to Stop Model Training5m
Creating Repeatable Samples in BigQuery6m
Demo: Splitting Datasets in BigQuery8m
Lab Introduction1m
Lab Solution Walkthrough9m
Lab Introduction2m
Lab Solution Walkthrough23m
1개 연습문제
Module Quiz12m
4.6
360개의 리뷰
Launching into Machine Learning의 최상위 리뷰
This is an awesome module. It will open up so much inside story of ML process which is core of the topic with such a simplicity. It greatly increases my interest into this topic and this course :)
Good course, covering all the basics about machine learning and most importantly, everything that surrounds an ml project and you need to take into account to make your ml project successful.
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 전문 분야 정보
What is machine learning, and what kinds of problems can it solve? What are the five phases of converting a candidate use case to be driven by machine learning, and why is it important that the phases not be skipped? Why are neural networks so popular now? How can you set up a supervised learning problem and find a good, generalizable solution using gradient descent and a thoughtful way of creating datasets? Learn how to write distributed machine learning models that scale in Tensorflow, scale out the training of those models. and offer high-performance predictions. Convert raw data to features in a way that allows ML to learn important characteristics from the data and bring human insight to bear on the problem. Finally, learn how to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems. You will experiment with end-to-end ML, starting from building an ML-focused strategy and progressing into model training, optimization, and productionalization with hands-on labs using Google Cloud Platform.
> By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at: https://qwiklabs.com/terms_of_service <
자주 묻는 질문
등록 전에 강좌를 미리 볼 수 있나요?
예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.
강의 및 과제를 언제 이용할 수 있게 되나요?
세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.
등록하면 무엇을 이용할 수 있나요?
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.
강좌 수료증을 언제 받게 되나요?
강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.
이 강좌를 청강할 수 없는 이유는 무엇인가요?
이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.