このコースについて

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14時間で修了

推奨:1 週間の学習(8~10 時間/週)...

日本語

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...

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14時間で修了

推奨:1 週間の学習(8~10 時間/週)...

日本語

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

はじめに

7分で修了
2件のビデオ (合計7分)
2件のビデオ
Qwiklabs の概要5 分
3時間で修了

コア TensorFlow

3時間で修了
19件のビデオ (合計72分)
19件のビデオ
TensorFlow とは2 分
有向グラフの利点5 分
TensorFlow API の階層3 分
遅延評価4 分
グラフとセッション4 分
テンソルの評価2 分
グラフの可視化2 分
テンソル6 分
変数6 分
ラボの概要: 下位レベルの TensorFlow プログラムの作成16
ラボのソリューション8 分
はじめに5 分
形の問題3 分
形の問題の修正2 分
データ型の問題1 分
全プログラムのデバッグ4 分
概要: 全プログラムのデバッグ15
デモ: 全プログラムのデバッグ3 分
3の練習問題
TensorFlow とは2 分
グラフとセッション8 分
コア 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
事前作成済み Estimator5 分
デモ: 住宅価格モデル1 分
チェックポインティング1 分
メモリ内データセットのトレーニング2 分
ラボの概要: Estimator API39
ラボのソリューション: Estimator API10 分
Dataset API を使用して大規模なデータセットをトレーニングする8 分
ラボの概要: バッチ処理を使用して TensorFlow の取り込みをスケールアップする35
ラボのソリューション: バッチ処理を使用して TensorFlow の取り込みをスケールアップする5 分
大規模なジョブ、分散トレーニング6 分
TensorBoard によるモニタリング3 分
デモ: TensorBoard UI28
処理入力関数5 分
内容のまとめ: Estimator API1 分
ラボの概要: Estimator API を使用して分散トレーニング TensorFlow モデルを作成する51
ラボのソリューション: Estimator API を使用して分散トレーニング TensorFlow モデルを作成する7 分
1の練習問題
Estimator API18 分
3

3

2時間で修了

CMLE で TensorFlow モデルをスケールする

2時間で修了
6件のビデオ (合計29分)
6件のビデオ
Cloud Machine Learning Engine を使用する理由6 分
モデルをトレーニングする2 分
トレーニング ジョブのモニタリングとデプロイを行う2 分
ラボの概要: Cloud Machine Learning Engine を使用して TensorFlow をスケーリングする50
ラボのソリューション: Cloud Machine Learning Engine を使用して TensorFlow をスケーリングする16 分
1の練習問題
Cloud MLE10 分
2分で修了

まとめ

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 Google Cloud Platform 日本語版専門講座について

機械学習とはどのようなもので、どのような問題解決に役立つのでしょうか。候補となるユースケースを機械学習で習得できる形に変換する5段階とは、そしてこれらの段階を省略しないことが重要である理由は何でしょうか。今、なぜニューラル ネットワークに注目が集まっているのでしょうか。 問題を設定し、勾配降下を使用して適切な解決策を見つけ、データセットを作成する方法について学びます。また、Tensorflow でスケーラブルな分散型機械学習モデルを作成して、これらのモデルのトレーニングを拡張し、高性能な予測ができるようになります。さらに、機械学習(ML)がデータから重要な特質を学習したり、人間による分析を問題に取り入れるように、生データを変換します。最後に、正確で一般化されたモデルを生成し、特定の ML 問題を解決する理論について、および適切なパラメータの組み合わせ方を学びます。まず ML 集中型の戦略の構築から始め、その後 Google Cloud Platform のハンズオンラボを通じてモデルのトレーニング、最適化、本稼働まで、ML に関する手順全体を実習します。...
Machine Learning with TensorFlow  Google Cloud Platform 日本語版

よくある質問

  • ?????????????????????????????????????????????????????????????????????????????

  • ???????????????????????????????????????????????????????????????????????????????????

  • ??????????????????????????????????????????????????????LinkedIn??????????????????

  • ????????????????????????????????????????????????????Coursera???????????????

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。