Çevrimiçi kurs – Google Cloud Institute’tan TensorFlow ile makine öğreniminde sertifikalı profesyonel uzmanlık

AM dünyasını Google Cloud ile keşfedin. Tüm süreçlerde uygulamalı deneyleri keşfedin ve en ileri teknolojilere ilişkin bilginizi genişletin.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

Orta seviye

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • iletişim becerileri
  • eleştirel düşünme
  • problem çözme
  • ekip çalışması
  • zaman yönetimi
  • liderlik
  • sunum becerileri
  • Yaratıcı düşünme
  • Stresle başa çıkmak
  • teknolojik beceriler

What you will learn in the course

Courses for which the course is suitable

  • Veri Bilimcisi
  • Makine Öğrenimi Mühendisi
  • Yapay Zeka Araştırmacısı
  • Veri Analisti
  • Makine Öğrenimi Geliştiricisi
  • Derin Öğrenme Uzmanı
  • Büyük Veri Mühendisi
  • İş Zekası Geliştiricisi
  • Kantitatif Analist
  • Makine Öğrenimi odaklı Yazılım Mühendisi

Uzmanlık – 5 kurstan oluşan bir kurs serisi

Makine öğrenimi nedir ve hangi sorunları çözebilir?

  • Potansiyel bir makine öğrenimi kullanım senaryosunu dönüştürmenin beş adımı
  • Bu adımları göz ardı etmemek önemlidir

Sinir ağları bugün neden bu kadar talep görüyor?

  • Denetimli öğrenmede problem tanımı
  • Eğim düşüşüyle ​​optimal çözümü bulma
  • Veri setlerini iyi oluşturmak

TensorFlow’u kullanma

  • Dağıtılmış makine öğrenimi modellerini ölçeğe uygun olarak sürdürme
  • Model eğitimi için yatay ölçeklendirme gerçekleştirme
  • Yüksek kaliteli tahminler sunun

Ham verileri niteliklere dönüştürün

  • Makine öğreniminde verilerin önemli özelliklerini tanımlama
  • Sorunu desteklemek için insani içgörü sunmak

Parametreleri birleştirme

  • Doğru ve kapsamlı modeller oluşturmak
  • Makine öğrenimindeki belirli sorunları çözmek için teorinin tanıtılması

Google Cloud Platform ile uygulamalı laboratuvarlar

  • Makine öğreniminin tüm aşamaları
  • Odaklanmış bir makine öğrenimi stratejisinin hazırlanması
  • Eğitim, optimizasyon ve model oluşturma
hizmet şartları

Bu uzmanlığa kaydolduğunuzda SSS bölümünde ayrıntılı olarak açıklanan Qwiklabs Hizmet Şartları’nı kabul etmiş olursunuz. Hizmet Şartlarına buradan bakın: https://qwiklabs.com/terms_of_service

Pratik bir öğrenme projesi

Bu uzmanlık, Qwiklabs platformunu kullanarak uygulamalı laboratuvarlar sunar. Bu uygulamalı eğitimle video derslerde öğrendiğiniz her şeyi uygulayabileceksiniz.

  • Projeler Google Cloud Platform ürünleri gibi konuları içerecek
  • Modüllerde tartışılan kavramlarla ilgili pratik deneyim

Details of the courses that make up the specialization

Google, Portekizce dil kurslarında makine öğrenimini nasıl yapıyor?

Kurs 1

  • 19 saat
  • 4,8 (73 değerlendirme)
Kurs detayları
ne öğreneceksin
  • Vertex AI platformu, AutoML kullanarak tek satır kod yazmadan makine öğrenimi modellerini oluşturmak, eğitmek ve uygulamak için nasıl kullanılır?
  • Google Cloud’da makine öğrenimini uygulamaya yönelik en iyi uygulamaları açıklayın.
  • ML ile çalışmak için Google Cloud Platform araçlarını ve ortamını kullanın.
  • Sorumlu yapay zekanın önerilen ilkelerini listeleyin.

Kurs 2

  • 11 saat
  • 4,5 (31 değerlendirme)
Kurs detayları
ne öğreneceksin
  • Veri kalitesinin nasıl iyileştirileceğini ve bunlardan keşifsel analizlerin nasıl gerçekleştirileceğini açıklayın.
  • Vertex AI ve BigQuery ML’yi kullanarak AutoML modelleri oluşturun ve eğitin.
  • Kayıp fonksiyonlarını ve performans ölçümlerini kullanarak modelleri optimize edin ve değerlendirin.
  • Eğitim, değerlendirme ve test için tekrarlanabilir ve genişletilebilir veri kümeleri oluşturun.
kazanacağınız beceriler
  • Kategori: 1.96
  • Kategori: Değerler
  • Kategori: a-önce ve a-arka
  • Kategori: kritik değer

Kurs 3

  • 18 saat
  • 4,6 (23 derecelendirme)
Kurs detayları
ne öğreneceksin
  • Kursun amacı, makine öğrenimi modelleri oluşturmak, eğitmek ve uygulamak için TensorFlow 2.x ve Keras’ın esnekliğinden ve kullanım kolaylığından yararlanmaktır.
  • TensorFlow 2.x’in API hiyerarşisini öğrenecek ve uygulamalı alıştırmalarla TensorFlow’un ana bileşenlerini tanıyacaksınız.
  • Veri kümeleri ve nitelik sütunlarıyla nasıl çalışılacağını göreceğiz.
  • TensorFlow 2.x veri giriş hattı tasarlamayı ve oluşturmayı öğreneceksiniz.
  • tf.Data.Dataset kullanarak CSV verilerini, Numpy dizilerini, metin ve resim verilerini yükleme ve sayısal, kategorik, kategorik ve karma nitelik sütunlarının nasıl oluşturulacağı konusunda uygulamalı deneyim kazanacaksınız.
  • Derin öğrenme modellerinin nasıl oluşturulacağını göstermek için Keras Sıralı ve Keras İşlevsel API’lerini tanıtacağız.
  • Aktivasyon, kayıp ve optimizasyon fonksiyonlarını tartışacağız.
  • Jupyter’in uygulamalı laboratuvarlarında, temel doğrusal regresyon ve temel ve gelişmiş lojistik regresyon ile makine öğrenimi modelleri oluşturabilirsiniz.
  • Bulut AI Platformu ile makine öğrenimi modellerini geniş ölçekte eğitmeyi, uygulamayı ve oluşturmayı öğreneceksiniz.

Kurs 4

  • 8 saat
  • 4,5 (15 derecelendirme)
Kurs detayları
ne öğreneceksin
  • Vertex AI Özellik Mağazasını tanımlayın ve iyi bir özellik elde etmek için gereken ana hususları karşılaştırın.
  • BigQuery ML, Keras ve TensorFlow’da özellik ölçümünde kullanılır.
  • Dataflow ve Dataprep ile ön işlemenin nasıl gerçekleştirileceğini ve özelliklerin nasıl kullanılacağını analiz edin.
  • tf.Transform’u uygulayın.

Kurs 5

  • 18 saat
  • 4,7 (15 derecelendirme)
Kurs detayları
ne öğreneceksin
  • Bu “Makine Öğrenimi Sanatı ve Bilimi” dersidir. Kurs altı modülden oluşmaktadır. Modelleri uyarlamak, optimize etmek ve performansı artırmak için makine öğreniminde temel sezgi, akıl yürütme ve deneme becerilerinden bahsedeceğiz.
  • Düzenlileştirme tekniklerini kullanarak modelleri ölçeklendirmeyi öğrenecek ve veri kümesi boyutu ve öğrenme oranı gibi hiper parametrelerin model performansı üzerindeki etkilerini öğreneceksiniz.
  • Ayrıca model optimizasyonu için en yaygın algoritmalardan bazılarını tartışacağız ve TensorFlow kodunda bir optimizasyon yönteminin nasıl belirleneceğini göstereceğiz.