在线课程 – 使用 Google Cloud 的 TensorFlow 进行机器学习的认证专业

了解 Google 云中的机器学习 （ML）。具有真实数据经验的实践课程包括练习和深入的信息。

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
在线课程 - 使用 Google Cloud 的 TensorFlow 进行机器学习的认证专业

Professional Certificate

中档

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 通信能力
  • 故障 排除
  • 团队 合作
  • 时间管理
  • 批判性思维
  • 技术技能
  • 领导
  • 独立学习的能力
  • 项目管理技能
  • 业务导向

What you will learn in the course

Courses for which the course is suitable

  • 数据科学家
  • 机器学习工程师
  • AI 研究员
  • 数据分析师
  • 专注于 ML 的软件工程师
  • 商业智能开发人员
  • 量化分析师
  • 深度学习专家 （Deep Learning Specialist）
  • Predictive Modeler
  • 云解决方案架构师

专业化 – 5 床课程系列

什么是机器学习？

  • 了解机器学习中的基本概念。
  • 机器学习可以解决的问题。

转换用例的 5 个步骤

  • 第 1 步：定义问题。
  • 第 2 步：数据收集。
  • 第 3 步：数据处理。
  • 第 4 步：构建模型。
  • 第 5 步：评估模型。
阶段的重要性
  • 为什么不要跳过这些步骤很重要？

专注于神经网络

  • 了解当今关注神经网络的原因。

确定问题并找到解决方案

  • 建立问题。
  • 使用梯度下降法找到合适的解。
  • 创建数据集。

构建分布式模型

  • 使用 Tensorflow。
  • 扩展模型的训练。
  • 实现高度可实现的预测。

机器学习 （ML）

  • ML 如何从数据中学习重要特征。
  • 将人工分析整合到问题中。

创建准确的内置模型

  • 了解解决某些 ML 问题的理论。
  • 组合适当的参数。

构建集中式 ML 策略

  • 练习教练过程。
  • 模型优化和全面启动。
  • Google Cloud Platform 上的手动实验室。

实践学习项目

  • 集成 Qwiklabs 平台的工作实验室。
  • 使用在讲座视频中学到的技能。
  • 来自 Google Cloud 平台的产品等主题。

实践经验

  • 所有模块中讨论的术语的实际经验。

Details of the courses that make up the specialization

Google 如何进行机器学习

课程 1

  • 时间： 7 小时
  • 评分： 4.5 （132 reviews）
课程详情
  • 您将学到什么：
    • 介绍了 Vertex AI 平台，以及如何在 AutoML 中构建、训练和启动机器学习模型，而无需编写代码。
    • 介绍了在 Google Cloud 中实施机器学习的最佳做法。
    • 将 Google Cloud 平台的工具和环境用于机器学习目的。
    • 对问题孤岛和责任孤岛的最佳实践的解释。
您将获得的技能
  • 类别： 重复考试
  • 类别： 不确定性分析
  • 类别： 财务分析
  • 类别： 用于启动 Machine Learning World 的动态图

课程 2

  • 时间： 15 小时
  • 评分： 4.4 （50 reviews）
课程详情
  • 您将学到什么：
    • 介绍如何提高数据质量以及如何执行调查数据分析。
    • 使用 Vertex AI 和 BigQuery ML 构建和训练 AutoML 模型。
    • 使用损失函数和性能指标优化和评估模型。
    • 以可重现和可扩展的方式创建用于训练、评估和测试的数据集。
    • 了解 TensorFlow。

课程 3

  • 时间： 19 小时
  • 评分： 3.8 （12 ratings）
课程详情
  • 您将学到什么：
    • 本课程的目标是使用 TensorFlow 2.x 和 Keras 创建、训练和启动灵活且坚固的机器学习模型。
    • 通过动手练习了解 TensorFlow 2.x API 层次结构并了解 TensorFlow 的关键要素。
    • 了解在 TensorFlow 2.x 流程中处理数据集和数据入口成本的方法。
    • 使用 tf.data.Dataset 进行动手练习，以加载 csv 数据、NumPy 数组、文本数据和图像。
    • 准备数值、分类、分类和小属性的练习。
    • 了解如何使用 Keras Sequential API 和 Keras Functional API 对机器学习进行建模。
    • 了解启动、损失和优化功能。
    • 作为 Jupyter Notebook 练习的一部分，构建基本线性回归、基本 Logistic 回归和高级 Logistic 回归的模型。
    • 了解如何在 Cloud AI Platform 中大规模训练、启动和运行机器学习模型。

课程 4

  • 时间： 9 小时
  • 评分：4.5（10 条评论）
课程详情
  • 您将学到什么：
    • 解释 Vertex AI 特征存储并比较良好功能所需的关键方面。
    • 使用 BigQuery ML、Keras 和 TensorFlow 执行特征工程。
    • 讨论如何使用 Dataflow 和 Dataprep 进行功能准备和研究。
    • 使用 tf.变换。
您将获得的技能
  • 类别： 语言行业
  • 类别： 信息搜索行为
  • 类别： 集体智慧
  • 类别： 社交媒体挖矿

课程 5

  • 时间： 18 小时
  • 评分： 4.4 （10 ratings）
课程详情
  • 您将学到什么：
    • 欢迎来到“机器学习的艺术与科学”课程。该课程包括 6 个模块。
    • 本课程介绍了准确优化机器学习模型以实现最佳性能所需的知识、正确判断和基本能力。
    • 了解如何使用正则化技术来泛化模型，并了解超参数的影响（例如数组大小或学习率对模型性能的影响）。
    • 解释一些经典的优化算法，并描述如何在 TensorFlow 代码中指定优化方法。

相关产品