Kursüberblick
In diesem Kurs lernen Sie, verteilte Modelle für maschinelles Lernen (ML) zu schreiben, die in TensorFlow skaliert werden, das Training dieser Modelle horizontal zu skalieren und leistungsstarke Vorhersagen zu erstellen. Es wird behandelt, 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 beginnen Sie mit dem Erstellen einer auf ML ausgerichteten Strategie und fahren dann mit Modelltraining, Optimierung und Produktentwicklung fort. Hierbei helfen Ihnen praxisorientierte Labs mit der Google Cloud Platform.
Zielgruppe
- Data Engineers und Programmierer, die maschinelles Lernen in die Praxis umsetzen möchten
- Personen, die am Erstellen und Operationalisieren von TensorFlow-Modellen interessiert sind
Zertifizierungen
Empfohlenes Training für die Zertifizierung zum:
Voraussetzungen
Für maximale Lernerfolge sollten die Teilnehmer folgende Voraussetzungen erfüllen:
- Erfahrung im Coding von Python
- Grundkenntnisse in Statistik
- Kenntnisse in SQL und Cloud Computing (hilfreich)
Kursziele
Dieser Kurs vermittelt den Teilnehmern die folgenden Kompetenzen:
- Geschäftliche Anwendungsfälle als ML-Problem definieren
- ML-Datasets erstellen, die Generalisierungen ermöglichen
- ML-Modelle mit TensorFlow implementieren
- Die Auswirkungen von Parametern des Gradientenverfahrens auf Genauigkeit, Trainingsgeschwindigkeit, Dichte und Generalisierung verstehen
- Verteilte TensorFlow-Modelle erstellen und operationalisieren
- Merkmale darstellen und transformieren
Kursinhalt
- Maschinelles Lernen bei Google
- Einführung in das maschinelle Lernen
- Einführung in TensorFlow
- Feature Engineering
- Kunst und Wissenschaft des maschinellen Lernens