Google Cloud'da TensorFlow ile Makine Öğrenimi eğitimi, katılımcılara TensorFlow'da ölçeklenen dağıtılmış makine öğrenimi (ML) modellerinin nasıl yazılacağını öğretir.
Hedefler:
Bir işletme kullanım örneğini makine öğrenimi sorunu olarak çerçevelendirmeyi
Genelleme yapabilen makine öğrenimi veri kümeleri oluşturmayı
TensorFlow kullanarak makine öğrenimi modellerini uygulamayı
Gradyan iniş parametrelerinin doğruluk, eğitim hızı, seyreklik ve genelleme üzerindeki etkisini anlamayı
Dağıtılmış TensorFlow modelleri oluşturun ve işletime almayı
Özellikleri temsil etmeyi ve dönüştürmeyi
Topics:
Giriş
Google Makine Öğrenimini Nasıl Yapar?Makine öğrenimi etrafında bir veri stratejisi geliştirin
Daha sonra bir ML lensiyle yeniden tasarlanan kullanım örneklerini inceleyin
Makine öğreniminin güçlendirebileceği önyargıları tanıma
Makine öğrenimi yapmak için Google Cloud Platform araçlarından ve ortamından yararlanın
Sık karşılaşılan güçlüklerden kaçınmak için Google'ın deneyimlerinden ders alın
Çevrimiçi ortak çalışma not defterlerinde veri bilimi görevlerini gerçekleştirin
Cloud Datalab'den önceden eğitilmiş makine öğrenimi modellerini çağırın
Makine Öğrenimine Giriş
Derin öğrenmenin şu anda neden popüler olduğunu belirleyin
Kayıp işlevlerini ve performans ölçütlerini kullanarak modelleri optimize edin ve değerlendirin
Makine öğreniminde ortaya çıkan yaygın sorunları azaltın
Tekrarlanabilir ve ölçeklenebilir eğitim, değerlendirme ve test veri kümeleri oluşturun
TensorFlow'a Giriş
TensorFlow'da makine öğrenimi modelleri oluşturun
Sayısal sorunları çözmek için TensorFlow kitaplıklarını kullanın
Sık karşılaşılan TensorFlow kod tuzaklarında sorun giderme ve hata ayıklama
Bir ML modeli oluşturmak, eğitmek ve değerlendirmek için tf_estimator'ı kullanın
Cloud ML Engine ile ML modellerini uygun ölçekte eğitin, dağıtın ve üretime geçirin
Özellik Mühendisliği
Ham verileri özellik vektörlerine dönüştürün
Cloud Dataflow ile ön işlem yapın ve yeni özellik ardışık düzenleri oluşturun
Özellik çaprazları oluşturup uygulayın ve etkilerini değerlendirin
Özellik mühendisliği için TensorFlow Transform kodunu yazın
ML Sanatı ve Bilimi
Hiperparametre ayarlama ile model performansını optimize edin
Sinir ağlarıyla denemeler yapın ve performansa ince ayar yapın
Katman yerleştirme ile ML modeli özelliklerini geliştirin
Özel Tahmin Aracı ile yeniden kullanılabilir özel model kodu oluşturun
Diğer Eğitimler
Digital Vizyon
444 Eğitim Seti
