About this Course
434

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

탄력적인 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 6시간 필요

권장: 11 hours/week...

독일어

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

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

탄력적인 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 6시간 필요

권장: 11 hours/week...

독일어

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

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 14분 필요

Einführung

Dieser Kurs vermittelt Ihnen ML-Basiswissen, damit Sie die Terminologie kennenlernen, die wir während der Spezialisierung verwenden. Sie bekommen außerdem praktische Tipps und Hinweise zu Fallstricken von ML-Fachleuten bei Google. Am Ende nehmen Sie den Code und das Fachwissen für Ihre eigenen ML-Modelle mit....
1 video (Total 4 min), 1 reading
1개의 동영상
1개의 읽기 자료
Kursressourcen herunterladen10m
완료하는 데 1시간 필요

ML in der Praxis

In diesem Modul stellen wir einige der wichtigsten Arten maschinellen Lernens vor und sehen uns noch einmal die Entwicklung ML an. Sie können so schneller in die ML-Praxis einsteigen....
10 videos (Total 62 min), 1 quiz
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

In diesem Modul gehen wir die Optimierung von ML-Modellen durch....
13 videos (Total 61 min), 1 quiz
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

Jetzt ist es an der Zeit, eine recht seltsam anmutende Frage zu beantworten: Wann ist das genaueste ML-Modell nicht die beste Wahl? Wie wir im letzten Modul zur Optimierung angedeutet haben, erbringt ein Modell mit einem Verlustwert von 0 mit Ihrem Trainings-Dataset nicht automatisch auch mit realen Datasets ein gutes Ergebnis. ...
9 videos (Total 64 min), 3 quizzes
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

...
1 video (Total 3 min)
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 auf Deutsch 전문 분야 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

  • 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.