Makine öğrenimi teknolojisini kullanarak potansiyel bir vakayı eyleme dönüştürülebilir bir kaynağa dönüştürmenin beş adımı nelerdir?
Adımları atlamamak neden önemlidir?
Sinir ağları neden bu kadar popüler?
Denetimli bir öğrenme problemini nasıl sunabilir ve gradyan inişini ve veri kümeleri oluşturmanın ölçülü bir yolunu kullanarak iyi bir genel çözümü nasıl bulabilirsiniz?
Makine öğrenimi modellerini yazmayı öğrenin
TensorFlow’da ölçeklenecek ve yüksek kaliteli tahminler sağlayacak dağıtılmış modeller.
Ham verileri, makinenin verilerin önemli özelliklerini öğrenmesine ve problem çözme için insan içgörüleri elde etmesine olanak tanıyacak şekilde özelliklere dönüştürün.
Doğru ve genelleştirilmiş modellerin geliştirilmesine yol açacak uygun parametreleri birleştirmeyi öğrenin.
AA’da farklı türdeki problemlerin çözümüne yönelik teoriyi öğrenin.
Uçtan uca makine öğrenimi deneyimi
AA’ya odaklanan bir strateji oluşturmaya başlayın.
Model eğitimi, optimizasyonu ve üretimine yönelik ilerleme.
Google Cloud platformunu kullanan pratik laboratuvarlar.
Bu staja katılarak
SSS’de belirtildiği gibi Qwiklabs Hizmet Şartları’nı kabul edersiniz.
Bu staj, Qwiklabs platformumuzu kullanan uygulamalı laboratuvarları içerir.
Pratik bileşenler, video derslerinde alacağınız becerileri uygulamanıza olanak sağlayacaktır.
Projeler, Qwiklabs’ta kullanılan ve tanımlanan Google Cloud Platform ürünleri gibi konuları içerir.
Tüm modüllerde açıklanan terimlerle pratik deneyim kazanacaksınız.
Details of the courses that make up the specialization
Google İspanyolca kurslarında makine öğrenimini nasıl yapıyor?
Kurs 1
15 saat
4,6 (239 değerlendirme)
Kurs detayları
Ne öğreneceksiniz:
Vertex AI platformunu ve bunun bir satır kod yazmadan AutoML öğrenme modellerini oluşturmak, eğitmek ve dağıtmak için nasıl kullanıldığını açıklayın.
Google Cloud’da makine öğrenimini uygulamaya yönelik önerileri açıklayın.
AA gerçekleştirmek için Google Cloud Platform araçlarını ve ortamını kullanın.
Sorumlu iç değerlendirme için önerileri tanımlayın.
Kurs 2
13 saat
4,7 (127 değerlendirme)
Kurs detayları
Ne öğreneceksiniz:
Veri kalitesinin nasıl iyileştirileceğini ve keşifsel veri analizlerinin nasıl gerçekleştirileceğini açıklayın.
Vertex AI ve BigQuery ile AutoML modellerini toplayın ve eğitin.
Kayıp fonksiyonlarını ve performans kriterlerini kullanarak modelleri optimize edin ve değerlendirin.
Eğitim, değerlendirme ve test için tekrarlanabilen ve genişletilebilen veri kümeleri oluşturun.
Kurs 3
18 saat
4,5 (134 değerlendirme)
Kurs detayları
Ne öğreneceksiniz:
Kurs, makine öğrenimi modelleri oluşturmak, eğitmek ve dağıtmak için TensorFlow 2.x ve Keras’ın esnek ve kolay kullanımına odaklanıyor.
TensorFlow 2.x’in API yapısını öğrenecek ve pratik alıştırmalar aracılığıyla TensorFlow’un temel bileşenlerini tanıyacaksınız.
Size veri grupları ve özellik sütunlarıyla nasıl çalışılacağını öğreteceğiz.
TensorFlow 2.x’te bir veri hattı tasarlamayı ve oluşturmayı öğreneceksiniz.
NumPy dizilerini, resimlerini ve metin verilerini tf.data.Dataset ile yüklemenin yanı sıra Pandas ile CSV verilerini yükleme konusunda uygulamalı deneyim kazanacaksınız.
Ayrıca kırpma yoluyla sayısal öznitelik sütunları, kategorileri ve tanımları oluşturma konusunda uygulamalı deneyim kazanacaksınız.
Ayrıca sizi Keras’ın derin öğrenme modelleri oluşturmaya yönelik sıralı ve işlevsel API’siyle tanıştıracağız.
Aktivasyon, kayıp ve optimizasyon fonksiyonlarından bahsedeceğiz.
Jupyter not defterleri üzerindeki uygulamalı laboratuvarlarımız, temel doğrusal regresyon ile temel ve gelişmiş lojistik regresyon makine öğrenimi modellerini oluşturmanıza olanak sağlayacaktır.
Cloud AI Platform ile makine öğrenimi modellerini geniş ölçekte eğitmeyi, çalıştırmayı ve dağıtmayı öğreneceksiniz.
Satın almayı öğrenecekleriniz:
Kategori: TensorFlow
Kategori: Python programlama
Kategori: makine öğrenimi
Kategori: Özellik Mühendisliği
Kurs 4
9 saat
4,3 (35 derecelendirme)
Kurs detayları
Ne öğreneceksiniz:
Vertex AI uyum mağazasını tanımlayın ve kullanışlı bir özelliğin önemli yönlerini karşılaştırın.
BigQuery ML, Keras ve TensorFlow ile özellik mühendisliği gerçekleştirin.
Dataflow ve Dataprep ile özelliklerin nasıl işleneceğini ve keşfedileceğini analiz edin.
Kurs 5
19 saat
4,7 (50 derecelendirme)
Kurs detayları
Ne öğreneceksiniz:
AA modeli, düzenlileştirme tekniklerini kullanarak kurallar koyar.
Modelin performansını artırmak için tasarruf bahis boyutunu ve öğrenme oranını ayarlayın.
