Acerca de este Curso

Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 11 horas para completar
Francés (French)
Subtítulos: Francés (French), Portugués (de Brasil), Alemán (German), Ruso (Russian), Inglés (English), Español (Spanish), Japonés...
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 11 horas para completar
Francés (French)
Subtítulos: Francés (French), Portugués (de Brasil), Alemán (German), Ruso (Russian), Inglés (English), Español (Spanish), Japonés...

ofrecido por

Placeholder

Google Cloud

Programa - Qué aprenderás en este curso

Semana
1

Semana 1

7 minutos para completar

Introduction

7 minutos para completar
2 videos (Total 7 minutos)
2 videos
Présentation de Qwiklabs5m
4 horas para completar

Core TensorFlow

4 horas para completar
19 videos (Total 72 minutos)
19 videos
Qu'est-ce que TensorFlow ?2m
Avantages d'un graphe orienté5m
Hiérarchie de l'API TensorFlow3m
Évaluation paresseuse4m
Graphique et session4m
Évaluer un Tensor2m
Visualiser un graph2m
Tensors6m
Variables6m
Présentation de l'atelier : Écrire des programmes TensorFlow de bas niveau16s
Solution de l'atelier8m
Présentation5m
Problèmes de forme3m
Résoudre les problèmes de forme2m
Problèmes de type de données1m
Déboguer des programmes complets4m
Présentation : Déboguer des programmes complets15s
Démonstration : Déboguer des programmes complets3m
3 ejercicios de práctica
Qu'est-ce que TensorFlow ?30m
Graphe et session30m
Core TensorFlow30m
Semana
2

Semana 2

5 horas para completar

API Estimator

5 horas para completar
18 videos (Total 67 minutos)
18 videos
API Estimator3m
Estimators prédéfinis5m
Démonstration : Modèle du prix des logements1m
Points de contrôle1m
Apprentissage avec des ensembles de données en mémoire2m
Présentation de l'atelier : API Estimator39s
Solution de l'atelier : API Estimator10m
Apprentissage avec de grands ensembles de données grâce à l'API Dataset8m
Présentation de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot35s
Solution de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot5m
Tâches de grande envergure, apprentissage distribué6m
Assurer la surveillance avec TensorBoard3m
Démonstration : UI TensorBoard28s
Fonctionnalité d'entrée de diffusion5m
Récapitulatif : API Estimator1m
Présentation de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator51s
Solution de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator7m
1 ejercicio de práctica
API Estimator30m
Semana
3

Semana 3

2 horas para completar

Effectuer le scaling des modèles TensorFlow avec CMLE

2 horas para completar
6 videos (Total 29 minutos)
6 videos
Pourquoi Cloud Machine Learning Engine ?6m
Entraîner un modèle2m
Surveiller et déployer des tâches d'entraînement2m
Présentation de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine50s
Solution de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine16m
1 ejercicio de práctica
Cloud MLE30m
2 minutos para completar

Récapitulatif

2 minutos para completar
1 video (Total 2 minutos)
1 video

Acerca de Programa especializado: Machine Learning with TensorFlow on Google Cloud Platform en Français

Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML. Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform. >>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform en Français

Preguntas Frecuentes

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.