このコースについて

共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約9時間で修了
ドイツ語
字幕:フランス語, ポルトガル語(ブラジル), ドイツ語, 英語, スペイン語, 日本語...
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約9時間で修了
ドイツ語
字幕:フランス語, ポルトガル語(ブラジル), ドイツ語, 英語, スペイン語, 日本語...

提供:

Google Cloud ロゴ

Google Cloud

シラバス - 本コースの学習内容

1

1

17分で修了

Einführung

17分で修了
2件のビデオ (合計7分), 1 reading
2件のビデオ
Einführung in Qwiklabs5 分
1件の学習用教材
Kursressourcen herunterladen10 分
3時間で修了

Kernkonzept von TensorFlow

3時間で修了
19件のビデオ (合計72分)
19件のビデオ
Was ist TensorFlow?2 分
Vorteile von gerichteten Graphen5 分
TensorFlow API-Hierarchie3 分
Verzögerte Bewertung4 分
Graph und Sitzung4 分
Tensoren auswerten2 分
Graphen visualisieren2 分
Tensoren6 分
Variablen6 分
Lab-Einführung: Low-Level-TensorFlow-Programme schreiben16
Lösungen für das Lab8 分
Einführung5 分
Formprobleme3 分
Formprobleme lösen2 分
Probleme mit Datentypen1 分
Fehlerbehebung bei Vollprogrammen4 分
Einführung: Fehlerbehebung bei Vollprogrammen15
Demo: Fehlerbehebung bei Vollprogrammen3 分
3の練習問題
Was ist TensorFlow?2 分
Graph und Sitzung8 分
Kernkonzept von TensorFlow20 分
2

2

4時間で修了

Estimator API

4時間で修了
18件のビデオ (合計67分)
18件のビデオ
Estimator API3 分
Vorgefertigte Estimators5 分
Demo: Modell über Hauspreise1 分
Prüfpunktausführung1 分
Datensätze im Speicher trainieren2 分
Lab-Einführung: Estimator API39
Lösungen für das Lab: Estimator API10 分
Mit Dataset API große Datensätze trainieren8 分
Lab-Einführung: TensorFlow-Aufnahme mit Batching hochskalieren35
Lösungen für das Lab: TensorFlow-Aufnahme mit Batching hochskalieren5 分
Große Aufträge, verteiltes Training6 分
Mit TensorBoard überwachen3 分
Demo: TensorBoard-Benutzeroberfläche28
Bereitstellungseingabefunktion5 分
Zusammenfassung Estimator API1 分
Lab-Einführung: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen51
Lösungen für das Lab: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen7 分
1の練習問題
Estimator API18 分
3

3

2時間で修了

TensorFlow-Modelle mit CMLE skalieren

2時間で修了
6件のビデオ (合計29分)
6件のビデオ
Gründe für die Cloud Machine Learning Engine6 分
Modelle trainieren2 分
Trainingsjobs überwachen und bereitstellen2 分
Lab-Einführung: TensorFlow mit Cloud Machine Learning Engine skalieren50
Lösungen für das Lab: TensorFlow mit Cloud Machine Learning Engine skalieren16 分
1の練習問題
Cloud MLE10 分
2分で修了

Zusammenfassung

2分で修了
1件のビデオ (合計2分)
1件のビデオ

Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch専門講座について

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Was sind die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum darf keine dieser Phasen übersprungen werden? Warum sind neuronale Netze gerade so beliebt? Wie können Sie ein Projekt für betreutes Lernen gestalten und mithilfe des Gradientenverfahrens und sinnvoll erstellten Datasets eine gute, generalisierbare Lösung finden? In diesem Kurs lernen Sie, verteilte Modelle für ML zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Wir gehen darauf ein, wie Sie Rohdaten so in Merkmale umwandeln, dass ML wichtige Eigenschaften dieser Daten erlernen kann und menschliche Einblicke in das Problem zulässt. Schließlich lernen Sie, die richtige Mischung aus Parametern zu verwenden, um präzise und generalisierte Modelle zu erstellen, und Sie erhalten eine Einführung in die Theorie zum Lösen bestimmter Arten von ML-Problemen. Auf diese Weise gewinnen Sie ein umfassendes Verständnis von ML. Zuerst erstellen Sie eine auf ML ausgerichtete Strategie. Dann fahren Sie mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs der Google Cloud Platform. >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<...
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

よくある質問

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。