Online cursus – gecertificeerde professionele specialisatie in machine learning met TensorFlow door Google Cloud Institute

Ontdek de wereld van AM met Google Cloud. Verken praktische experimenten in alle processen en breid uw kennis van de meest geavanceerde technologieën uit.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Online cursus - gecertificeerde professionele specialisatie in machine learning met TensorFlow door Google Cloud Institute

Professional Certificate

Gemiddeld niveau

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • communicatieve vaardigheden
  • kritisch denken
  • probleem oplossen
  • teamwerk
  • tijdmanagement
  • leiderschap
  • presentatie vaardigheden
  • Creatief denken
  • Omgaan met stress
  • technologische vaardigheden

What you will learn in the course

Courses for which the course is suitable

  • Datawetenschapper
  • Machine Learning-ingenieur
  • AI-onderzoeker
  • Data-analist
  • Ontwikkelaar van machine learning
  • Deep Learning-specialist
  • Big Data-ingenieur
  • Business Intelligence-ontwikkelaar
  • Kwantitatieve analist
  • Software Engineer met focus op Machine Learning

Expertise – een cursusreeks van 5 cursussen

Wat is machine learning en welke problemen kan het oplossen?

  • De vijf stappen om een ​​potentiële gebruikscasus voor machine learning te converteren
  • Het is belangrijk om deze stappen niet te negeren

Waarom zijn neurale netwerken tegenwoordig zo gewild?

  • Probleemdefinitie bij begeleid leren
  • Het vinden van een optimale oplossing met een hellingsdaling
  • Goed datasets aanmaken

Met behulp van TensorFlow

  • Onderhoud van gedistribueerde machine learning-modellen met schaal
  • Horizontale schaling uitvoeren voor modeltraining
  • Bied voorspellingen van hoge kwaliteit

Converteer onbewerkte gegevens naar attributen

  • Identificeer belangrijke kenmerken van gegevens in machine learning
  • Het bieden van menselijk inzicht om het probleem te ondersteunen

Parameters combineren

  • Het genereren van nauwkeurige en uitgebreide modellen
  • Introductie van theorie om specifieke problemen in machine learning op te lossen

Praktische labs met Google Cloud Platform

  • Alle stadia van machinaal leren
  • Voorbereiding van een gerichte machine learning-strategie
  • Training, optimalisatie en modelgeneratie
servicevoorwaarden

Wanneer u zich aanmeldt voor deze expertise, gaat u akkoord met de Servicevoorwaarden van Qwiklabs zoals beschreven in de sectie Veelgestelde vragen. Bekijk hier de Servicevoorwaarden: https://qwiklabs.com/terms_of_service

Een praktisch leerproject

Deze specialiteit biedt praktijkgerichte labs aan met behulp van het Qwiklabs-platform. Met deze praktijkgerichte training kun je alles wat je in de videocolleges hebt geleerd, toepassen.

  • De projecten omvatten onderwerpen als Google Cloud Platform-producten
  • Praktische ervaring met de concepten die in de modules worden besproken

Details of the courses that make up the specialization

Hoe Google machine learning toepast in Portugese taalcursussen

Cursus 1

  • 19 uur
  • 4,8 (73 beoordelingen)
Cursusdetails
wat ga je leren
  • Hoe het Vertex AI-platform wordt gebruikt om machine learning-modellen te creëren, trainen en implementeren met behulp van AutoML zonder ook maar één regel code te schrijven.
  • Beschrijf de best practices voor het implementeren van machine learning in Google Cloud.
  • Gebruik de tools en omgeving van Google Cloud Platform om met ML te werken.
  • Noem de aanbevolen principes van verantwoorde kunstmatige intelligentie.

Cursus 2

  • 11 uur
  • 4,5 (31 beoordelingen)
Cursusdetails
wat ga je leren
  • te beschrijven hoe de gegevenskwaliteit kan worden verbeterd en op basis hiervan verkennende analyses kunnen worden uitgevoerd.
  • Maak en train AutoML-modellen met Vertex AI en BigQuery ML.
  • Optimaliseer en evalueer modellen met behulp van verliesfuncties en prestatiestatistieken.
  • Creëer herhaalbare en uitbreidbare datasets voor training, evaluatie en testen.
vaardigheden die je gaat verwerven
  • Categorie: 1.96
  • Categorie: Waarden
  • Categorie: a priori en a posterior
  • Categorie: kritische waarde

Cursus 3

  • 18 uur
  • 4,6 (23 beoordelingen)
Cursusdetails
wat ga je leren
  • Het doel van de cursus is om te profiteren van de flexibiliteit en het gebruiksgemak van TensorFlow 2.x en Keras om machine learning-modellen te creëren, trainen en implementeren.
  • Je leert over de API-hiërarchie van TensorFlow 2.x en maakt met praktische oefeningen kennis met de belangrijkste componenten van TensorFlow.
  • We zullen zien hoe u met gegevenssets en attribuutkolommen kunt werken.
  • Je leert een TensorFlow 2.x data-invoerpijplijn ontwerpen en creëren.
  • U krijgt praktische ervaring met het laden van CSV-gegevens, Numpy-arrays, tekst- en afbeeldingsgegevens met behulp van tf.Data.Dataset en hoe u numerieke, categorische, categorische en hash-attribuutkolommen kunt maken.
  • We introduceren de Keras Sequential en Keras Functional API’s om te laten zien hoe u deep learning-modellen kunt maken.
  • We bespreken activerings-, verlies- en optimalisatiefuncties.
  • In de praktijkgerichte labs van Jupyter kunt u machine learning-modellen maken met eenvoudige lineaire regressie en eenvoudige en geavanceerde logistische regressie.
  • Je leert machine learning-modellen op schaal trainen, implementeren en creëren met het AI-platform van de cloud.

Cursus 4

  • 8 uur
  • 4,5 (15 beoordelingen)
Cursusdetails
wat ga je leren
  • Beschrijf de Vertex AI Feature Store en vergelijk de belangrijkste aspecten die nodig zijn om tot een goede feature te komen.
  • Wordt gebruikt bij het meten van functies in BigQuery ML, Keras en TensorFlow.
  • Analyseer hoe u voorverwerking uitvoert en functies gebruikt met Dataflow en Dataprep.
  • Implementeer tf.Transform.

Cursus 5

  • 18 uur
  • 4,7 (15 beoordelingen)
Cursusdetails
wat ga je leren
  • Dit is de cursus ‘Kunst en wetenschap van machinaal leren’. De cursus omvat zes modules. We zullen het hebben over essentiële vaardigheden op het gebied van intuïtie, redeneren en experimenteren in ML om modellen aan te passen en te optimaliseren en de prestaties te verbeteren.
  • Je leert de modellen te schalen met behulp van regularisatietechnieken en leert over de effecten van hyperparameters, zoals datasetgrootte en leersnelheid, op de prestaties van modellen.
  • We zullen ook enkele van de meest voorkomende algoritmen voor modeloptimalisatie bespreken en laten zien hoe u een optimalisatiemethode in de TensorFlow-code specificeert.

Gerelateerde producten