Çevrimiçi kurs – Google Cloud ve Google Cloud’da gelişmiş makine öğrenimi konusunda sertifikalı profesyonel uzmanlık

Google Cloud ile gelişmiş makine öğrenimini öğrenin. Google Cloud platformunda TensorFlo ile üretime hazır modeller oluşturun.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

ilerleyen

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Makine öğrenimi modellerini optimize etme, dağıtma ve ölçeklendirme konusunda uygulamalı deneyim
  • Yapılandırılmış veriler için ölçülmüş ve doğru modeller oluşturma
  • Görüntü verileri için modeller oluşturma
  • Zaman serileri için modeller oluşturma
  • Doğal dil metni için modeller oluşturma
  • Tavsiye sistemleriyle pratik deneyim
  • Qwiklabs platformunu kullanarak pratik becerileri uygulama
  • Google Cloud Platform ürünleriyle çalışma

What you will learn in the course

Courses for which the course is suitable

  • Veri Mühendisi
  • veri analisti
  • Makine öğrenimi geliştiricisi
  • veri bilimcisi
  • Öneri sistemleri geliştiricisi
  • Makine öğrenimi konusunda uzman
  • Yapay zeka tabanlı uygulama geliştiricisi
  • Yapay zeka alanında proje yöneticisi
  • Bulut çözümleri geliştiricisi

Staj – 4 dersten oluşan bir seri

Bu uzmanlık, Google Cloud Platform kullanılarak makine öğreniminde ileri düzey konulara odaklanan 5 kurs içerir. Staj sırasında, pratik canlı oturumlarda çeşitli makine öğrenimi modellerinin optimizasyonu, dağıtımı ve ölçeklendirilmesi konusunda pratik deneyim kazanacaksınız.

Uzmanlık, “GCP’de Makine Öğrenimi”nin kaldığı yerden devam ediyor ve aşağıdakiler için ölçülmüş, doğru ve üretime hazır modellerin nasıl oluşturulacağını öğretiyor:

  • yapılandırılmış veri
  • görüntü verileri
  • zaman serisi
  • Doğal dil metni

Staj, öneri sistemleri oluşturma kursuyla sona erer. Daha önceki derslerde sunulan konulara daha sonraki derslerde değinildiği için derslerin bu sıraya göre alınması tavsiye edilir.

Pratik bir öğrenme projesi

Bu staj, Qwiklabs platformumuzu kullanan uygulamalı laboratuvarları içerir. Bu pratik bileşenler, video derslerinde öğrendiğiniz becerileri uygulamanıza olanak sağlayacaktır.

Projeler, kullanılan Google Cloud Platform ürünleri ve Qwiklabs içindeki tanımlar gibi konuları içerecektir. Modüller sırasında açıklanan kavramlarla pratik deneyim kazanmayı bekleyebilirsiniz.

Bu staja kaydolarak SSS’de belirtilen ve şu adreste mevcut olan Qwiklabs kullanım koşullarını kabul etmiş olursunuz: https://qwiklabs.com/terms_of_service

Details of the courses that make up the specialization

Üretimde makine öğrenimi sistemleri

Kurs 1
18 saat
4,6 (980 değerlendirme)

ne öğreneceksin

  • Statik antrenman ile dinamik antrenmanın karşılaştırılması ve sonuçların çıkarılması
  • Model bağımlılığı yönetimi
  • Dayanıklılık, toparlanma ve daha fazlası için dağıtılmış eğitim oluşturma
  • Modelleri mobil amaçlar için dışa aktarma

Google Cloud ile makine görüşüyle ​​ilgili temel bilgiler

Kurs 2
18 saat
4,6 (538 değerlendirme)

ne öğreneceksin

  • Yapay görmenin çözebileceği sorunların üst düzeyde anlaşılması
  • Makine görüşündeki bazı anahtar terimlerin ve ortak model yapılarının anlaşılması

kazanacağınız beceriler

  • Tensor akışı
  • Evrişimsel sinir ağları
  • Gösterge
  • Gelişmiş makine öğrenimi

Google Cloud’da doğal dil işleme

Kurs 3
13 saat
4,4 (522 değerlendirme)

ne öğreneceksin

  • Google Cloud’daki NLP ürünleri ve çözümleri hakkında bilgi
  • Vertex AI ile AutoML kullanarak eksiksiz bir NLP iş akışı oluşturma
  • TensorFlow kullanarak DNN, RNN, LSTM ve GRU dahil olmak üzere çeşitli NLP modellerinin oluşturulması
  • Kodlayıcı-kod çözücü, dikkat mekanizması, Transformers ve BERT gibi ileri düzey NLP modelleri bilgisi
  • Transfer öğrenimini anlamak ve NLP sorunları için erken modelleri dönüştürmek

Önkoşullar

  • Temel SQL
  • Python ve TensorFlow’a Giriş

Google Cloud’da öneri sistemleri

Kurs 4
14 saat
4,5 (474 ​​derecelendirme)

ne öğreneceksin

  • İçerik bazlı öneri mekanizmasının geliştirilmesi
  • İşbirliğine dayalı filtreleme ile öneri mekanizmasının uygulanması
  • Kullanıcı verileri ve içerik görünümleriyle hibrit bir öneri mekanizması oluşturma
  • Bağlamsal öneri stratejilerinde takviyeli öğrenme tekniklerinin kullanılması