|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/intro-tensorflow-br
课程评论：没有评论
课程名称：巴西葡萄牙语的 TensorFlow 入门 概述：本课程旨在利用 TensorFlow 2.x 和 Keras 的灵活性和易用性来创建、训练和部署机器学习模型。学员将了解 TensorFlow 2.x API 的层次结构，并通过实践练习掌握 TensorFlow 的主要组件。课程内容包括如何处理数据集和特征列，设计和创建 TensorFlow 2.x 的数据输入管道，以及实践操作 CSV 数据加载、Numpy 数组、文本和图像数据的使用，创建数值、分类、分桶和哈希特征列等。 课程大纲： 1. 课程介绍：本节为 TensorFlow 2.x 的介绍，涵盖使用 Keras 创建机器学习模型、设计数据输入管道以及提高模型准确性等内容。 2. TensorFlow 介绍：讲解 TensorFlow 2.x 的新范式，学习 TensorFlow API 的层次结构、张量和变量的基本概念，并进行实践。 3. 设计和创建 TensorFlow 数据输入管道：学习如何处理数据集和特征列，实践使用 tf.data.Dataset 加载 CSV 数据、Numpy 数组、文本数据和图像数据。 4. 使用 TensorFlow 2 和 Keras Sequential API 训练神经网络：学习使用 Keras Sequential API 编写 TensorFlow 模型，了解激活、损失和优化函数，以及如何将模型部署于云端进行预测。 5. 使用 TensorFlow 2 和 Keras Functional API 训练神经网络：讲解 Keras Functional API 的优势，用于创建灵活的模型，支持多输入多输出和层共享等复杂结构，并介绍如何通过正则化提升模型性能。 6. 课程总结：回顾课程中涉及的 TensorFlow 关键主题，包括 tf.data API、Keras Sequential 和 Functional API，以及如何在云端的 AI Platform 上扩展机器学习模型。
Name:Introdução ao curso
Description:Este curso é uma introdução ao TensorFlow 2.x, que incorpora a facilidade de uso do Keras para a criação de modelos de machine learning. Abordaremos o design e a criação de um pipeline de dados de entrada do TensorFlow 2.x, a criação de modelos de machine learning com essa ferramenta e com o Keras, a melhoria da acurácia desses modelos e a geração dos modelos para uso em escala.
Name:Introdução ao TensorFlow
Description:Apresentaremos o novo paradigma do TensorFlow 2.x. Você aprenderá sobre a hierarquia da API TensorFlow e conhecerá os principais componentes do TensorFlow, os tensores e as variáveis com exercícios práticos.
Name:Projetar e criar um pipeline de dados de entrada do TensorFlow
Description:Mostraremos como trabalhar com conjuntos de dados e colunas de atributos. Você terá uma experiência prática com o carregamento de dados CSV, matrizes numpy com tf.data.Dataset, dados de texto e imagens usando o tf.Data.Dataset e com a criação de colunas de atributos numéricas, categóricas, em bucket e com hash.
Name:Como treinar redes neurais com o TensorFlow 2 e com a API Keras Sequential
Description:Neste módulo, você aprenderá a escrever modelos do TensorFlow com a API Keras Sequential. Mas, antes disso, falaremos sobre funções de ativação, perda e otimização. Em seguida, você conhecerá a API Keras Sequential para aprender a criar modelos de aprendizado profundo com ela. Você também verá como implantar o modelo para previsão na nuvem.
Name:Como treinar redes neurais com o TensorFlow 2 e a API Keras Functional
Description:A API de modelo Sequential é ideal para o desenvolvimento de modelos de machine learning na maioria dos casos, mas também tem limitações. Por exemplo, ela não é simples de definir modelos com várias fontes de entrada, produzir muitos destinos de saída ou modelos que reutilizam camadas. A API Keras Functional é uma forma de criar modelos mais flexíveis do que a API tf.keras.Sequential e é capaz de processar modelos com topologia não linear, com camadas compartilhadas e com várias entradas ou saídas. Além disso, ela oferece uma maneira mais flexível de definir os modelos. Especificamente, ela permite a definição de vários modelos de entrada e saída e que compartilham camadas. Mais do que isso, com ela é possível definir grafos de rede acíclicos ad hoc. Geralmente, a ideia principal é que um modelo de aprendizado profundo seja um grafo acíclico direcionado (DAG) de camadas. Portanto, a API Functional é uma forma de criar grafos de camadas. Também mostraremos como a regularização pode ajudar no desempenho do modelo.
Name:Resumo
Description:Resumiremos os principais tópicos sobre o TensorFlow abordados no curso até agora. Revisitaremos o principal código do TensorFlow, a API tf.data, as APIs Keras Sequential e Functional e o escalonamento dos modelos de machine learning com o AI Platform do Cloud.
O objetivo deste curso é aproveitar a flexibilidade e a facilidade de uso do TensorFlow 2.x e do Keras para criar, treinar e implantar modelos de machine learning. Você aprenderá sobre a hierarquia da API TensorFlow 2.x e conhecerá os principais componentes do TensorFlow nos exercícios práticos. Mostraremos como trabalhar com conjuntos de dados e colunas de atributos. Você aprenderá a projetar e criar um pipeline de entrada de dados do TensorFlow 2.x. Você terá uma experiência prática com o carregamento de dados CSV, matrizes numpy, dados de texto e imagens usando o tf.Data.Dataset e com a criação de colunas de atributos numéricas, categóricas, em bucket e com hash. Apresentaremos as APIs Keras Sequential e Keras Functional para mostrar como criar modelos de aprendizado profundo. Abordaremos as funções de ativação, perda e otimização. Nos laboratórios práticos dos notebooks do Jupyter, você poderá criar modelos de machine learning de regressão linear básica e de regressão logística básica e avançada. Você aprenderá a treinar, implantar e produzir modelos de machine learning em escala com o AI Platform do Cloud.
