Онлайн-курс — сертифицированная профессиональная специализация в области машинного обучения с TensorFlow от Google Cloud Institute.

Откройте для себя мир AM с помощью Google Cloud. Изучите практические эксперименты во всех процессах и расширьте свои знания о самых передовых технологиях.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

Средний уровень

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • коммуникативные навыки
  • критическое мышление
  • решение проблем
  • работа в команде
  • тайм-менеджмент
  • лидерство
  • навыки презентации
  • Творческое мышление
  • Борьба со стрессом
  • технологические навыки

What you will learn in the course

Courses for which the course is suitable

  • Специалист по данным
  • Инженер по машинному обучению
  • Исследователь искусственного интеллекта
  • Аналитик данных
  • Разработчик машинного обучения
  • Специалист по глубокому обучению
  • Инженер по большим данным
  • Разработчик бизнес-аналитики
  • Количественный аналитик
  • Инженер-программист со специализацией в машинном обучении

Экспертиза — серия курсов из 5 курсов

Что такое машинное обучение и какие проблемы оно может решить?

  • Пять шагов по преобразованию потенциального варианта использования машинного обучения
  • Важно не игнорировать эти шаги.

Почему нейронные сети сегодня так востребованы?

  • Определение проблемы в контролируемом обучении
  • Поиск оптимального решения с уменьшением уклона
  • Хорошо создавать наборы данных

Использование TensorFlow

  • Поддержка масштабируемых моделей распределенного машинного обучения
  • Выполнение горизонтального масштабирования для обучения модели
  • Предлагайте качественные прогнозы

Преобразование необработанных данных в атрибуты

  • Определить важные особенности данных в машинном обучении
  • Предлагая человеческое понимание проблемы

Объединение параметров

  • Создание точных и полных моделей
  • Введение теории для решения конкретных задач машинного обучения

Практические занятия с Google Cloud Platform

  • Все этапы машинного обучения
  • Подготовка целенаправленной стратегии машинного обучения
  • Обучение, оптимизация и создание моделей
условия обслуживания

Регистрируясь на участие в этой экспертизе, вы соглашаетесь с Условиями обслуживания Qwiklabs, подробно описанными в разделе часто задаваемых вопросов. Ознакомьтесь с Условиями обслуживания здесь: https://qwiklabs.com/terms_of_service.

Практический учебный проект

Эта специальность предлагает практические занятия с использованием платформы Qwiklabs. Благодаря этому практическому обучению вы сможете применить все, что узнали из видеолекций.

  • Проекты будут включать такие темы, как продукты Google Cloud Platform.
  • Практический опыт работы с концепциями, обсуждаемыми в модулях

Details of the courses that make up the specialization

Как Google использует машинное обучение на курсах португальского языка

Курс 1

  • 19 часов
  • 4,8 (73 оценки)
Детали курса
чему ты научишься
  • Как платформа Vertex AI используется для создания, обучения и реализации моделей машинного обучения с использованием AutoML без написания единой строки кода.
  • Опишите лучшие практики внедрения машинного обучения в Google Cloud.
  • Используйте инструменты и среду Google Cloud Platform для работы с машинным обучением.
  • Перечислите рекомендуемые принципы ответственного искусственного интеллекта.

Курс 2

  • 11 часов
  • 4,5 (31 оценка)
Детали курса
чему ты научишься
  • описать, как улучшить качество данных и провести на их основе исследовательский анализ.
  • Создавайте и обучайте модели AutoML с помощью Vertex AI и BigQuery ML.
  • Оптимизируйте и оценивайте модели, используя функции потерь и показатели производительности.
  • Создавайте повторяемые и расширяемые наборы данных для обучения, оценки и тестирования.
навыки, которые вы приобретете
  • Категория: 1.96
  • Категория: Ценности
  • Категория: априорное и апостериорное
  • Категория: критическое значение

Курс 3

  • 18 часов
  • 4,6 (23 оценки)
Детали курса
чему ты научишься
  • Цель курса — воспользоваться гибкостью и простотой использования TensorFlow 2.x и Keras для создания, обучения и реализации моделей машинного обучения.
  • Вы узнаете об иерархии API TensorFlow 2.x и познакомитесь с основными компонентами TensorFlow с помощью практических упражнений.
  • Мы увидим, как работать с наборами данных и столбцами атрибутов.
  • Вы научитесь проектировать и создавать конвейер ввода данных TensorFlow 2.x.
  • Вы получите практический опыт загрузки данных CSV, массивов Numpy, текстовых данных и данных изображений с помощью tf.Data.Dataset, а также того, как создавать столбцы числовых, категориальных, категориальных и хеш-атрибутов.
  • Мы представим API-интерфейсы Keras Sequential и Keras Functional, чтобы показать, как создавать модели глубокого обучения.
  • Мы обсудим функции активации, потери и оптимизации.
  • В практических лабораториях Jupyter вы можете создавать модели машинного обучения с помощью базовой линейной регрессии, а также базовой и расширенной логистической регрессии.
  • Вы научитесь обучать, внедрять и создавать масштабные модели машинного обучения с помощью облачной платформы искусственного интеллекта.

Курс 4

  • 8 часов
  • 4,5 (15 оценок)
Детали курса
чему ты научишься
  • Опишите хранилище функций Vertex AI и сравните основные аспекты, необходимые для создания хорошей функции.
  • Используется для измерения функций в BigQuery ML, Keras и TensorFlow.
  • Анализируйте, как выполнять предварительную обработку и использовать функции с помощью Dataflow и Dataprep.
  • Реализуйте tf.Transform.

Курс 5

  • 18 часов
  • 4,7 (15 оценок)
Детали курса
чему ты научишься
  • Это курс «Искусство и наука машинного обучения». Курс включает шесть модулей. Мы поговорим о необходимых навыках интуиции, рассуждения и экспериментирования в машинном обучении для адаптации и оптимизации моделей и повышения производительности.
  • Вы научитесь масштабировать модели с использованием методов регуляризации и узнаете о влиянии гиперпараметров, таких как размер набора данных и скорость обучения, на производительность модели.
  • Мы также обсудим некоторые наиболее распространенные алгоритмы оптимизации модели и покажем, как указать метод оптимизации в коде TensorFlow.