이 강좌에 대하여

최근 조회 1,730
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 6시간 필요
독일어
자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 6시간 필요
독일어
자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

제공자:

Google 클라우드 로고

Google 클라우드

강의 계획 - 이 강좌에서 배울 내용

1

1

완료하는 데 14분 필요

Einführung

완료하는 데 14분 필요
1개 동영상 (총 4분), 1 개의 읽기 자료
1개의 동영상
1개의 읽기 자료
Kursressourcen herunterladen10m
완료하는 데 1시간 필요

ML in der Praxis

완료하는 데 1시간 필요
10개 동영상 (총 62분)
10개의 동영상
Betreutes Lernen5m
Regression und Klassifizierung11m
Kurzer Rückblick auf ML: Lineare Regression7m
Kurzer Rückblick auf ML: Perzeptron5m
Kurzer Rückblick auf ML: Neuronale Netzwerke7m
Kurzer Rückblick auf ML: Entscheidungsbäume5m
Kurzer Rückblick auf ML: Kernel-Methoden4m
Kurzer Rückblick auf ML: Random Forests4m
Kurzer Rückblick auf ML: Moderne neuronale Netzwerke8m
1개 연습문제
Modul-Quiz6m
완료하는 데 1시간 필요

Optimierung

완료하는 데 1시간 필요
13개 동영상 (총 61분)
13개의 동영상
ML-Modelle definieren4m
Einführung in das Dataset "Natality"6m
Einführung in Verlustfunktionen6m
Gradientenverfahren5m
Fehlerbehebung bei einer Verlustkurve2m
Probleme mit ML-Modellen6m
Lab: Einführung in TensorFlow Playground6m
Lab: TensorFlow Playground für Fortgeschrittene3m
Lab: Mit neuronalen Netzwerken arbeiten6m
Fehlerbehebung bei einer Verlustkurve1m
Leistungsmesswerte3m
Wahrheitsmatrix5m
1개 연습문제
Modul-Quiz6m
완료하는 데 3시간 필요

Generalisierung und Stichprobenerhebung

완료하는 데 3시간 필요
9개 동영상 (총 64분)
9개의 동영상
Generalisierung und ML-Modelle6m
Wann das Modelltraining beendet werden sollte5m
Wiederholbare Beispiele in BigQuery erstellen6m
Demo: Datasets in BigQuery aufteilen8m
Einführung in das Lab1m
Lösungsübersicht für das Lab9m
Einführung in das Lab2m
Lösungsübersicht für das Lab23m
1개 연습문제
Modul-Quiz12m
완료하는 데 3분 필요

Zusammenfassung

완료하는 데 3분 필요
1개 동영상 (총 3분)
1개의 동영상

Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch 특화 과정 정보

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Was sind die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum darf keine dieser Phasen übersprungen werden? Warum sind neuronale Netze gerade so beliebt? Wie können Sie ein Projekt für betreutes Lernen gestalten und mithilfe des Gradientenverfahrens und sinnvoll erstellten Datasets eine gute, generalisierbare Lösung finden? In diesem Kurs lernen Sie, verteilte Modelle für ML zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Wir gehen darauf ein, wie Sie Rohdaten so in Merkmale umwandeln, dass ML wichtige Eigenschaften dieser Daten erlernen kann und menschliche Einblicke in das Problem zulässt. Schließlich lernen Sie, die richtige Mischung aus Parametern zu verwenden, um präzise und generalisierte Modelle zu erstellen, und Sie erhalten eine Einführung in die Theorie zum Lösen bestimmter Arten von ML-Problemen. Auf diese Weise gewinnen Sie ein umfassendes Verständnis von ML. Zuerst erstellen Sie eine auf ML ausgerichtete Strategie. Dann fahren Sie mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs der Google Cloud Platform. >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

자주 묻는 질문

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.