- Applied Machine Learning
- Machine Learning Concepts
- Machine Learning
- Feature Engineering
- Tensorflow
- 1.96
- Values Modes
- A Priori And A Posteriori
- Critical Value
Machine Learning with TensorFlow on Google Cloud em Português Brasileiro 专项课程
Aprenda sobre o AM com o Google Cloud. Experimentos práticos com AM em todas as etapas.
提供方
您将获得的技能
关于此 专项课程
应用的学习项目
Esta especialização oferece laboratórios práticos por meio da plataforma do Qwiklabs.
Com esse treinamento prático, você poderá aplicar tudo o que aprendeu nas palestras em vídeo. Os projetos incluirão tópicos como produtos do Google Cloud Platform que são usados e configurados no Qwiklabs. Você ganhará experiência prática com os conceitos abordados nos módulos.
需要一些相关领域经验。需要一些相关经验。
需要一些相关领域经验。需要一些相关经验。
专项课程的运作方式
加入课程
Coursera 专项课程是帮助您掌握一门技能的一系列课程。若要开始学习,请直接注册专项课程,或预览专项课程并选择您要首先开始学习的课程。当您订阅专项课程的部分课程时,您将自动订阅整个专项课程。您可以只完成一门课程,您可以随时暂停学习或结束订阅。访问您的学生面板,跟踪您的课程注册情况和进度。
实践项目
每个专项课程都包括实践项目。您需要成功完成这个(些)项目才能完成专项课程并获得证书。如果专项课程中包括单独的实践项目课程,则需要在开始之前完成其他所有课程。
获得证书
在结束每门课程并完成实践项目之后,您会获得一个证书,您可以向您的潜在雇主展示该证书并在您的职业社交网络中分享。

此专项课程包含 5 门课程
How Google does Machine Learning em Português Brasileiro
"O que é machine learning e que tipos de problemas ele pode resolver? A abordagem de machine learning do Google é um pouco diferente. Ela se concentra na lógica, e não apenas nos dados. Vamos discutir por que essa abordagem é útil para os cientistas de dados durante a criação de um pipeline de modelos de machine learning.
Launching into Machine Learning em Português Brasileiro
Começando pela história do machine learning, vamos discutir por que as redes neurais hoje funcionam com vários problemas de ciência de dados. Depois vamos definir um problema de aprendizado supervisionado e descobrir uma boa solução usando o gradiente descendente. Isso envolve criar conjuntos de dados que permitem generalização. Vamos falar sobre os métodos que devemos usar para fazer isso de modo repetível e que viabilize a experimentação.
Intro to TensorFlow em Português Brasileiro
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.
Feature Engineering em Português Brasileiro
Quer saber como melhorar a acurácia dos modelos de ML e quais colunas de dados são os atributos mais úteis? Neste curso Feature Engineering, abordaremos os atributos bons e ruins, bem como o pré-processamento e a transformação deles para otimizar os modelos.
提供方

Google 云端平台
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.
常见问题
退款政策是如何规定的?
我可以只注册一门课程吗?
有助学金吗?
我可以免费学习课程吗?
此课程是 100% 在线学习吗?是否需要现场参加课程?
完成专项课程后我会获得大学学分吗?
还有其他问题吗?请访问 学生帮助中心。