About this Course

100% online

Start instantly and learn at your own schedule.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 12 hours to complete

Suggested: 8–10 Stunden innerhalb einer Woche...

German

Subtitles: French, Portuguese (Brazilian), German, English, Spanish, Japanese...

100% online

Start instantly and learn at your own schedule.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 12 hours to complete

Suggested: 8–10 Stunden innerhalb einer Woche...

German

Subtitles: French, Portuguese (Brazilian), German, English, Spanish, Japanese...

Syllabus - What you will learn from this course

Week
1
17 minutes to complete

Einführung

2 videos (Total 7 min), 1 reading
1 reading
Kursressourcen herunterladen10m
3 hours to complete

Kernkonzept von TensorFlow

19 videos (Total 72 min), 4 quizzes
19 videos
TensorFlow API-Hierarchie3m
Verzögerte Bewertung4m
Graph und Sitzung4m
Tensoren auswerten2m
Graphen visualisieren2m
Tensoren6m
Variablen6m
Lab-Einführung: Low-Level-TensorFlow-Programme schreiben16s
Lösungen für das Lab8m
Einführung5m
Formprobleme3m
Formprobleme lösen2m
Probleme mit Datentypen1m
Fehlerbehebung bei Vollprogrammen4m
Einführung: Fehlerbehebung bei Vollprogrammen15s
Demo: Fehlerbehebung bei Vollprogrammen3m
3 practice exercises
Was ist TensorFlow?2m
Graph und Sitzung8m
Kernkonzept von TensorFlow20m
Week
2
4 hours to complete

Estimator API

18 videos (Total 67 min), 4 quizzes
18 videos
Demo: Modell über Hauspreise1m
Prüfpunktausführung1m
Datensätze im Speicher trainieren2m
Lab-Einführung: Estimator API39s
Lösungen für das Lab: Estimator API10m
Mit Dataset API große Datensätze trainieren8m
Lab-Einführung: TensorFlow-Aufnahme mit Batching hochskalieren35s
Lösungen für das Lab: TensorFlow-Aufnahme mit Batching hochskalieren5m
Große Aufträge, verteiltes Training6m
Mit TensorBoard überwachen3m
Demo: TensorBoard-Benutzeroberfläche28s
Bereitstellungseingabefunktion5m
Zusammenfassung Estimator API1m
Lab-Einführung: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen51s
Lösungen für das Lab: TensorFlow-Modelle für verteiltes Training mit Estimator API erstellen7m
1 practice exercise
Estimator API18m
Week
3
2 hours to complete

TensorFlow-Modelle mit CMLE skalieren

6 videos (Total 29 min), 2 quizzes
6 videos
Trainingsjobs überwachen und bereitstellen2m
Lab-Einführung: TensorFlow mit Cloud Machine Learning Engine skalieren50s
Lösungen für das Lab: TensorFlow mit Cloud Machine Learning Engine skalieren16m
1 practice exercise
Cloud MLE10m
2 minutes to complete

Zusammenfassung

1 video (Total 2 min)
1 video

About Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

About the Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch Specialization

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 <<<...
Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch

Frequently Asked Questions

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

More questions? Visit the Learner Help Center.