课程信息

1,864 次近期查看
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为6 小时
德语(German)
字幕:法语(French), 巴西葡萄牙语, 德语(German), 英语(English), 西班牙语(Spanish), 日语...
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为6 小时
德语(German)
字幕:法语(French), 巴西葡萄牙语, 德语(German), 英语(English), 西班牙语(Spanish), 日语...

提供方

Google 云端平台 徽标

Google 云端平台

教学大纲 - 您将从这门课程中学到什么

1

1

完成时间为 14 分钟

Einführung

完成时间为 14 分钟
1 个视频 (总计 4 分钟), 1 个阅读材料
1 个视频
1 个阅读材料
Kursressourcen herunterladen10分钟
完成时间为 1 小时

ML in der Praxis

完成时间为 1 小时
10 个视频 (总计 62 分钟)
10 个视频
Betreutes Lernen5分钟
Regression und Klassifizierung11分钟
Kurzer Rückblick auf ML: Lineare Regression7分钟
Kurzer Rückblick auf ML: Perzeptron5分钟
Kurzer Rückblick auf ML: Neuronale Netzwerke7分钟
Kurzer Rückblick auf ML: Entscheidungsbäume5分钟
Kurzer Rückblick auf ML: Kernel-Methoden4分钟
Kurzer Rückblick auf ML: Random Forests4分钟
Kurzer Rückblick auf ML: Moderne neuronale Netzwerke8分钟
1 个练习
Modul-Quiz6分钟
完成时间为 1 小时

Optimierung

完成时间为 1 小时
13 个视频 (总计 61 分钟)
13 个视频
ML-Modelle definieren4分钟
Einführung in das Dataset "Natality"6分钟
Einführung in Verlustfunktionen6分钟
Gradientenverfahren5分钟
Fehlerbehebung bei einer Verlustkurve2分钟
Probleme mit ML-Modellen6分钟
Lab: Einführung in TensorFlow Playground6分钟
Lab: TensorFlow Playground für Fortgeschrittene3分钟
Lab: Mit neuronalen Netzwerken arbeiten6分钟
Fehlerbehebung bei einer Verlustkurve1分钟
Leistungsmesswerte3分钟
Wahrheitsmatrix5分钟
1 个练习
Modul-Quiz6分钟
完成时间为 3 小时

Generalisierung und Stichprobenerhebung

完成时间为 3 小时
9 个视频 (总计 64 分钟)
9 个视频
Generalisierung und ML-Modelle6分钟
Wann das Modelltraining beendet werden sollte5分钟
Wiederholbare Beispiele in BigQuery erstellen6分钟
Demo: Datasets in BigQuery aufteilen8分钟
Einführung in das Lab1分钟
Lösungsübersicht für das Lab9分钟
Einführung in das Lab2分钟
Lösungsübersicht für das Lab23分钟
1 个练习
Modul-Quiz12分钟
完成时间为 3 分钟

Zusammenfassung

完成时间为 3 分钟
1 个视频 (总计 3 分钟)
1 个视频

关于 Machine Learning with TensorFlow on Google Cloud Platform auf Deutsch 专项课程

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

常见问题

  • 是的,您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程,才能访问预览不包括的内容。

  • 如果您决定在班次开始日期之前注册课程,那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后,您便可以提交作业。

  • 在您注册且班次开课之后,您将可以访问所有视频和其他资源,包括阅读材料内容和课程论坛。您将能够查看和提交练习作业,并完成所需的评分作业以获得成绩和课程证书。

  • 如果您成功完成课程,您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。

  • 该课程是 Coursera 上提供的为数不多的课程之一,目前只对已购买课程或已获得助学金的学生开放。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

还有其他问题吗?请访问 学生帮助中心