基于Google云平台的TensorFlow机器学习 德语版

Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

Maschinelles Lernen (ML) mit der Google Cloud. Experimentieren mit End-to-End-ML.

3878 次查看
Google Cloud
Coursera
  • 完成时间大约为 2 个月
  • 中级
  • 英语, 法语, 日语, 西班牙语, 德语, 葡萄牙语, 其他
注:本课程由Coursera和Linkshare共同提供,因开课平台的各种因素变化,以上开课日期仅供参考

课程概况

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

包含课程

课程1
How Google does Machine Learning auf Deutsch

Was ist maschinelles Lernen und welche Probleme lassen sich damit lösen? Für Google geht es beim maschinellen Lernen (ML) mehr um Logik als nur um Daten. In diesem Kurs erfahren Sie, warum dieser Ansatz beim Erstellen einer Pipeline aus ML-Modellen nützlich ist. Außerdem erläutern wir die fünf Phasen zur Umsetzung eines für ML geeigneten Anwendungsfalls und warum keine dieser Phasen übersprungen werden darf. Zum Abschluss besprechen wir die Verzerrung, die durch ML entstehen kann, und erklären, wie man sie erkennt.

课程2
Launching into Machine Learning auf Deutsch

Nach einem ersten Überblick über die Geschichte von ML erfahren Sie in diesem Kurs, weshalb heute mithilfe neuronaler Netzwerke viele Probleme so erfolgreich gelöst werden können. Wir erklären anschließend, wie Sie überwachtes Lernen zur Problemlösung einrichten und mithilfe des Gradientenverfahrens gute Ergebnisse erzielen. Dazu sind Datasets erforderlich, mit denen die Generalisierung möglich ist. In diesem Kurs zeigen wir Ihnen, wie Sie Datasets auf wiederholbare Weise erstellen, um Experimente zu ermöglichen.
Kursziele: Erkennen, warum Deep Learning derzeit beliebt ist Modelle anhand von Verlustfunktionen und Leistungsmesswerten optimieren und auswerten Häufige Probleme rund um maschinelles Lernen minimieren Wiederholbare und skalierbare Datasets zum Trainieren, Auswerten und Testen erstellen

课程3
Intro to TensorFlow auf Deutsch

Dies ist eine Einführung in die Grundlagen von TensorFlow. Darin werden die Konzepte und APIs erläutert, die Sie zum Schreiben verteilter Modelle für maschinelles Lernen benötigen. Außerdem wird anhand eines TensorFlow-Modells erklärt, wie Sie Modelle in großem Umfang trainieren und mit Cloud Machine Learning Engine effektive Vorhersagen treffen können.
Lernziele: Modelle für maschinelles Lernen in TensorFlow erstellen Diverse Herausforderungen mit TensorFlow-Bibliotheken lösen Gängige Codefehler in TensorFlow beheben Mit tf.estimator ein ML-Modell erstellen, trainieren und bewerten ML-Modelle im großen Umfang mit Cloud ML Engine trainieren, bereitstellen und in der Produktion verwenden

课程4
Feature Engineering auf Deutsch

Sie möchten erfahren, wie Sie die Genauigkeit Ihrer maschinellen Lernmodelle verbessern oder wie Sie herausfinden, welche Datenspalten die nützlichsten Funktionen ergeben? Willkommen zum Feature Engineering mit der Google Cloud Platform. Wir erörtern in diesem Kurs nützliche und nutzlose Funktionen und wie Sie diese für die optimale Nutzung in Ihren maschinellen Lernmodellen vorverarbeiten und umwandeln.
In praktischen, interaktiven Labs lernen Sie, Funktionen auszuwählen und mit der Google Cloud Platform vorzuverarbeiten. Unsere Kursleiter präsentieren Ihnen die Code-Lösungen, die zu Referenzzwecken auch öffentlich gemacht werden, während Sie an Ihren eigenen zukünftigen ML-Projekten arbeiten.

课程5
Art and Science of Machine Learning auf Deutsch

Willkommen im Kurs zur Kunst und Wissenschaft des maschinellen Lernens. In diesem Kurs eignen Sie sich die grundlegenden Kompetenzen rund um ML, gutes Urteilsvermögen und Experimentierfreudigkeit an, die für die Feinabstimmung und Optimierung Ihres ML-Modells für bestmögliche Leistung erforderlich sind.
Außerdem informieren wir Sie über die zahlreichen Optimierungsmittel, die beim Trainieren eines Modells ins Spiel kommen. Sie werden diese zuerst manuell anpassen, um ihre Auswirkung auf die Leistung zu beobachten. Sobald Sie mit den Optimierungsmitteln – auch bekannt als Hyperparameter – vertraut sind, lernen Sie, wie Sie diese automatisch mithilfe der Cloud Machine Learning Engine auf der Google Cloud Platform anpassen können.

千万首歌曲。全无广告干扰。
此外,您还能在所有设备上欣赏您的整个音乐资料库。免费畅听 3 个月,之后每月只需 ¥10.00。
Apple 广告
声明:MOOC中国十分重视知识产权问题,我们发布之课程均源自下列机构,版权均归其所有,本站仅作报道收录并尊重其著作权益。感谢他们对MOOC事业做出的贡献!
  • Coursera
  • edX
  • OpenLearning
  • FutureLearn
  • iversity
  • Udacity
  • NovoEd
  • Canvas
  • Open2Study
  • Google
  • ewant
  • FUN
  • IOC-Athlete-MOOC
  • World-Science-U
  • Codecademy
  • CourseSites
  • opencourseworld
  • ShareCourse
  • gacco
  • MiriadaX
  • JANUX
  • openhpi
  • Stanford-Open-Edx
  • 网易云课堂
  • 中国大学MOOC
  • 学堂在线
  • 顶你学堂
  • 华文慕课
  • 好大学在线CnMooc
  • (部分课程由Coursera、Udemy、Linkshare共同提供)

© 2008-2020 MOOC.CN 慕课改变你,你改变世界