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

フランス語

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

フランス語

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

7分で修了

Introduction

7分で修了
2件のビデオ (合計7分)
2件のビデオ
Présentation de Qwiklabs5 分
3時間で修了

Core TensorFlow

3時間で修了
19件のビデオ (合計72分)
19件のビデオ
Qu'est-ce que TensorFlow ?2 分
Avantages d'un graphe orienté5 分
Hiérarchie de l'API TensorFlow3 分
Évaluation paresseuse4 分
Graphique et session4 分
Évaluer un Tensor2 分
Visualiser un graph2 分
Tensors6 分
Variables6 分
Présentation de l'atelier : Écrire des programmes TensorFlow de bas niveau16
Solution de l'atelier8 分
Présentation5 分
Problèmes de forme3 分
Résoudre les problèmes de forme2 分
Problèmes de type de données1 分
Déboguer des programmes complets4 分
Présentation : Déboguer des programmes complets15
Démonstration : Déboguer des programmes complets3 分
3の練習問題
Qu'est-ce que TensorFlow ?2 分
Graphe et session8 分
Core TensorFlow20 分
2

2

4時間で修了

API Estimator

4時間で修了
18件のビデオ (合計67分)
18件のビデオ
API Estimator3 分
Estimators prédéfinis5 分
Démonstration : Modèle du prix des logements1 分
Points de contrôle1 分
Apprentissage avec des ensembles de données en mémoire2 分
Présentation de l'atelier : API Estimator39
Solution de l'atelier : API Estimator10 分
Apprentissage avec de grands ensembles de données grâce à l'API Dataset8 分
Présentation de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot35
Solution de l'atelier : Scaling de l'ingestion TensorFlow à l'aide du traitement par lot5 分
Tâches de grande envergure, apprentissage distribué6 分
Assurer la surveillance avec TensorBoard3 分
Démonstration : UI TensorBoard28
Fonctionnalité d'entrée de diffusion5 分
Récapitulatif : API Estimator1 分
Présentation de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator51
Solution de l'atelier : Créer un modèle TensorFlow d'apprentissage distribué avec l'API Estimator7 分
1の練習問題
API Estimator18 分
3

3

2時間で修了

Effectuer le scaling des modèles TensorFlow avec CMLE

2時間で修了
6件のビデオ (合計29分)
6件のビデオ
Pourquoi Cloud Machine Learning Engine ?6 分
Entraîner un modèle2 分
Surveiller et déployer des tâches d'entraînement2 分
Présentation de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine50
Solution de l'atelier : Scaling de TensorFlow avec Cloud Machine Learning Engine16 分
1の練習問題
Cloud MLE10 分
2分で修了

Récapitulatif

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 en Français専門講座について

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

よくある質問

  • はい、最初のビデオをプレビューしてシラバスを表示してから登録できます。プレビューに含まれないコンテンツにアクセスするには、コースを購入する必要があります。

  • セッションの開始日前にコースに登録すると、そのコースに関するすべての講座のビデオと学習用教材にアクセスできます。課題は、セッションの開始後に提出できるようになります。

  • 登録してセッションを開始すると、すべてのビデオや、学習用教材項目やコースのディスカッションフォーラムなど他のリソースにアクセスできます。演習の評価を表示して提出したり、成績とコース修了証の取得に必要なテストを完了することができます。

  • コースを無事完了すると、コースの電子修了証が成果のページに追加されます。そこからコースの修了証を印刷したり、LinkedInのプロフィールに追加したりできます。

  • このコースは現在、利用できる期間内において、支払い済み受講生または学資援助を受けた受講生のみが利用できるCoursera(コーセラ)提供のコースです。

  • サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します

  • はい。受講料の支払いが難しい受講生に、Coursera(コーセラ)は学資援助を提供しています。左側の[登録]ボタンの下にある[学資援助]のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細

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。