Contente
- Introdução ao Tensorflow para IA Machine Learning e Deep Learning (Oferecido por deeplearning.ai)
- Sem erros, sem estresse - seu guia passo a passo para criar software que muda vidas sem destruir sua vida
- Fluxo de tensor na aprendizagem prática (Oferecido por deeplearning.ai)
- Redes neurais convolucionais e fluxo de tensão (Oferecido por deeplearning.ai)
- Entendimento de imagem com o Tensorflow no GCP (oferecido pelo Google Cloud Platform)
- Aprendizado de máquina sem servidor com Tensorflow no Google Cloud Platform (oferecido pelo Google Cloud Platform)
- Processamento de linguagem natural com fluxo de tensão (Oferecido por deeplearning.ai)
- Conclusão
Leve embora:
O Tensorflow é uma das bibliotecas de código aberto favoritas do engenheiro de ML por representar as funções de código envolvidas no ML e visualizar operações matemáticas usadas em redes neurais e outras configurações de ML.
O Tensorflow é uma das bibliotecas de código aberto favoritas do engenheiro de aprendizado de máquina (ML) por representar as funções de código envolvidas no ML e visualizar operações matemáticas usadas em redes neurais e outras configurações de ML.
Aqui estão seis cursos disponíveis no portal de aprendizado do Coursera, que orientam os alunos a entender melhor o ambiente do Tensorflow.
- Introdução ao Tensorflow para IA Machine Learning e Deep Learning (Oferecido por deeplearning.ai)
- Fluxo de tensor na aprendizagem prática (Oferecido por deeplearning.ai)
- Redes neurais convolucionais e fluxo de tensão (Oferecido por deeplearning.ai)
- Entendimento de imagem com o Tensorflow no GCP (oferecido pelo Google Cloud Platform)
- Aprendizado de máquina sem servidor com Tensorflow no Google Cloud Platform (oferecido pelo Google Cloud Platform)
- Processamento de linguagem natural com fluxo de tensão (Oferecido por deeplearning.ai)
Introdução ao Tensorflow para IA Machine Learning e Deep Learning (Oferecido por deeplearning.ai)
Este curso ajuda os alunos a entender como criar algoritmos escaláveis e como funciona o aprendizado profundo. As redes neurais são um dos focos deste curso diversificado que utiliza parte do conhecimento do especialista Andrew Ng para mostrar aos alunos os princípios do fluxo de tensão no trabalho.
Este é um curso de nível intermediário 100% online e leva aproximadamente oito horas para ser concluído, com um prazo sugerido de quatro semanas.
Os alunos aprenderão a treinar uma rede neural para visão computacional, aprenderão as melhores práticas do Tensorflow, aprenderão a entender redes neurais convolucionais e a construir uma rede neural básica com o Tensorflow.
Um guia completo para esse tipo de visualização e manipulação de componentes de aprendizado de máquina.
Sem erros, sem estresse - seu guia passo a passo para criar software que muda vidas sem destruir sua vida
Você não pode melhorar suas habilidades de programação quando ninguém se importa com a qualidade do software.
Fluxo de tensor na aprendizagem prática (Oferecido por deeplearning.ai)
Quatro módulos ajudam os alunos a explorar aplicativos de inteligência artificial (IA) e como eles são feitos. A construção e o treinamento de redes neurais fazem parte deste currículo e os alunos aprenderão a usar convoluções no processamento de imagens, a fim de facilitar os recursos avançados de identificação e classificação.
Os alunos podem ver em primeira mão como as máquinas aprendem a processar e como as redes neurais lidam com os dados de entrada.
Os elementos práticos do curso mostrarão como esses tipos de tecnologias funcionam no mundo real. Este curso on-line leva cerca de um mês para ser concluído e é um curso de nível intermediário.
Redes neurais convolucionais e fluxo de tensão (Oferecido por deeplearning.ai)
Este curso se concentra especificamente na rede neural convolucional, que é um tipo específico de conceito no mundo do aprendizado de máquina. A CNN, como é chamada, lida com o processamento de imagens através do uso de várias camadas na rede neural.
Técnicas como andar e preenchimento são usadas para filtrar e pesquisar imagens, e as informações são canalizadas pelo sistema para, eventualmente, treinar o computador para identificar objetos ou outros aspectos de uma imagem.
Os alunos aprenderão sobre como um computador "vê" informações e quais operações específicas levam a tarefas efetivas de processamento e identificação de imagens.
Os alunos aprenderão sobre vários problemas, como perda de plotagem, ajuste excessivo e desistência na busca pelas melhores práticas para criar e manter os recursos da CNN para reconhecimento facial, desenvolvimento de produtos e muito mais.
O aprendizado de transferência também fará parte deste plano de estudos e os alunos aprenderão mais sobre extração e seleção de recursos como um componente da dimensionalidade bem-sucedida.
Este curso de nível intermediário é on-line e leva cerca de sete horas para ser concluído com um período sugerido de quatro semanas.
Entendimento de imagem com o Tensorflow no GCP (oferecido pelo Google Cloud Platform)
Este curso avançado de aprendizado de máquina foi desenvolvido especificamente para o Google Cloud. Esse ambiente de topo foi uma referência para muitos desenvolvedores que elaboram os melhores e mais novos programas de ML.
Este curso mostrará aos alunos estratégias diferentes para reunir classificadores de imagem e os ajudará a entender a construção de redes neurais convolucionais. A extração e seleção de recursos também fazem parte do foco deste curso, e os alunos receberão treinamento sobre como evitar ajustes excessivos e problemas relacionados.
Os componentes práticos requerem conhecimento básico de SQL, Python e Tensorflow.
Este curso é 100% on-line em nível avançado e leva 11 horas para ser concluído com um investimento de tempo sugerido de 5 a 7 horas por semana.
Aprendizado de máquina sem servidor com Tensorflow no Google Cloud Platform (oferecido pelo Google Cloud Platform)
Este curso também utiliza a idéia de trabalhar com o Tensorflow no Google Cloud Platform, mas adiciona a idéia da computação sem servidor para prever o aprendizado de máquina em um tipo diferente de ambiente.
Na computação sem servidor, as funções são projetadas para entrega conforme a necessidade. Este curso abordará casos de uso para esse tipo de configuração e permitirá que os alunos participem da construção de um modelo Tensorflow ML. Há uma ênfase na escalabilidade e implantação, com o entendimento dos recursos de pré-processamento e como ativar os modelos de ML em uma capacidade virtualizada eficiente.
Este curso de nível intermediário é totalmente online e leva 12 horas para ser concluído, com um prazo sugerido de uma semana.
Processamento de linguagem natural com fluxo de tensão (Oferecido por deeplearning.ai)
Uma das aplicações mais populares do Tensorflow e de outras ferramentas de aprendizado de máquina é a prática do processamento de linguagem natural (PNL).
Este curso familiarizará os alunos com alguns dos componentes da PNL relacionados à marcação de unidades de fala e outras técnicas que ajudam as redes neurais a construir modelos preditivos estruturais. A PNL se beneficiou muito do ML, e os alunos podem se beneficiar vendo em primeira mão como essas técnicas funcionam.
Com o estudo prático, os alunos abordarão problemas do mundo real, como aplicar redes neurais e LSTMs recorrentes no Tensorflow e como processar usando tokenização e vetores.
Este curso é 100% online, nível intermediário, que leva nove horas para ser concluído com um prazo sugerido de quatro semanas.
Conclusão
Use qualquer uma dessas oportunidades inovadoras de aprendizado para se conectar melhor às porcas e parafusos do ML, entendendo não apenas a terminologia, mas as construções de sistemas comumente trabalhadas usando o Tensorflow.