Практический опыт применения терминов, обсуждаемых во всех модулях.
Details of the courses that make up the specialization
Как Google занимается машинным обучением
Курс 1
Продолжительность: 7 часов
Рейтинг: 4.5 (132 оценки)
Детали курса
Что вы узнаете:
Объяснение платформы Vertex AI и того, как создавать, обучать и запускать модели машинного обучения в AutoML без необходимости писать код.
Объяснение лучших практик внедрения машинного обучения в облаке Google.
Использование инструментов и сред облачной платформы Google для целей машинного обучения.
Объяснение передового опыта решения проблем ответственного острова.
Навыки, которые вы получите
Категория: повторный экзамен
Категория: Анализ неопределенностей
Категория: Финансовый анализ
Категория: Блок-схема запуска в мир машинного обучения
Курс 2
Продолжительность: 15 часов
Рейтинг: 4.4 (50 оценок)
Детали курса
Что вы узнаете:
Объяснение того, как улучшить качество данных и как выполнить исследовательский анализ данных.
Создание и обучение моделей AutoML с использованием Vertex AI и BigQuery ML.
Оптимизация и оценка моделей с использованием функций потерь и показателей производительности.
Создание наборов данных для обучения, оценки и тестирования воспроизводимым и расширяемым способом.
Знание TensorFlow.
Курс 3
Продолжительность: 19 часов
Рейтинг: 3.8 (12 оценок)
Детали курса
Что вы узнаете:
Цель этого курса — создать, обучить и развернуть гибкие и надежные модели машинного обучения с использованием TensorFlow 2.x и Keras.
Узнайте об иерархии API TensorFlow 2.x и поймите ключевые компоненты TensorFlow с помощью практических упражнений.
Ознакомьтесь с методами работы с наборами данных и стоимостью ввода данных в процессе TensorFlow 2.x.
Выполните практические упражнения с tf.data.Dataset, чтобы загрузить данные CSV, массивы NumPy, текстовые данные и изображения.
Практики создания числовых, категориальных, категориальных и малых атрибутов.
Узнайте, как создавать модели машинного обучения с помощью Keras Sequential API и Keras Functional API.
Узнайте о функциях активации, потери и оптимизации.
В рамках упражнений Jupyter Notebook постройте модели базовой линейной регрессии, базовой логистической регрессии и расширенной логистической регрессии.
Узнайте, как обучать, запускать и запускать модели машинного обучения в любом масштабе на платформе Cloud AI.
Курс 4
Продолжительность: 9 часов
Рейтинг: 4.5 (10 оценок)
Детали курса
Что вы узнаете:
Объясните хранилище функций Vertex AI и сравните ключевые аспекты, необходимые для хороших функций.
Выполняйте разработку функций с помощью BigQuery ML, Keras и TensorFlow.
Обсудите использование Dataflow и Dataprep для подготовки и исследования функций.
используйте tf.Transform.
Навыки, которые вы получите
Категория: языковая индустрия
Категория: Поведение при поиске информации
Категория: Коллективный разум
Категория: Майнинг в социальных сетях
Курс 5
Продолжительность: 18 часов
Рейтинг: 4.4 (10 оценок)
Детали курса
Что вы узнаете:
Добро пожаловать на курс «Искусство и наука машинного обучения». Курс включает в себя 6 модулей.
В курсе объясняются знания, правильное суждение и базовые способности, необходимые для точной оптимизации моделей машинного обучения для достижения оптимальной производительности.
Узнайте, как использовать методы регуляризации для обобщения моделей, а также понять влияние гиперпараметров (например, влияние размера массива или скорости обучения на производительность модели).
Объясните некоторые классические алгоритмы оптимизации и опишите, как указать методы оптимизации в коде TensorFlow.
