基于Google云平台的TensorFlow机器学习 葡萄牙语

你将学到什么

课程概况

O que é aprendizado de máquina e que tipos de problema ele pode resolver? Quais são as cinco fases da conversão de um possível caso de uso de aprendizado de máquina e por que é importante que elas não sejam ignoradas? Por que as redes neurais são tão requisitadas hoje? Como configurar um problema de aprendizado supervisionado, além de encontrar uma solução ótima e generalizável com gradiente descendente e uma boa forma de criar conjuntos de dados? Aprenda a gravar modelos de aprendizado de máquina distribuídos com escalonamento no TensorFlow, faça escalonamento horizontal do treinamento desses modelos e ofereça previsões de alto desempenho. Converta dados brutos em atributos para informar características importantes desses dados ao aprendizado de máquina e ofereça uma percepção humana para dar suporte ao problema. Por fim, aprenda a incorporar a combinação ideal de parâmetros que produz modelos precisos e generalizados, além de conhecer a teoria para resolver tipos específicos de problemas de aprendizado de máquina. Você passará por todas as etapas do aprendizado de máquina, desde a criação de uma estratégia voltada para aprendizado de máquina até o treinamento, a otimização e a produção de modelos em laboratórios práticos com o Google Cloud Platform.

Ao se inscrever nesta especialização você concorda com os Termos de Serviço do Qwiklabs conforme estabelecido na seção de perguntas frequentes. Veja os Termos de Serviço aqui: https://qwiklabs.com/terms_of_service

包含课程

课程1
How Google does Machine Learning em Português Brasileiro

O que é aprendizado de máquina e que tipos de problema ele pode resolver? O Google pensa no aprendizado de máquina de uma maneira um pouco diferente. Ele se concentra mais na lógica, em vez de apenas em dados. Discutimos por que esse modelo é útil quando pensamos na criação de canais de modelos de aprendizado de máquina. Em seguida, falamos sobre as cinco fases da conversão de um possível caso de uso a ser realizado por aprendizado de máquina e vemos a importância de não ignorar essas fases. Finalizamos com a identificação das tendências que podem ser ampliadas pelo aprendizado de máquina e como reconhecer isso.

课程2
Launching into Machine Learning em Português Brasileiro

Discutiremos por que hoje as redes neurais funcionam tão bem para lidar com vários problemas, começando pela história do aprendizado de máquina. Em seguida, falaremos sobre como configurar um problema de aprendizado supervisionado e encontrar uma boa solução com gradiente descendente. Isso envolve a criação de conjuntos de dados que permitem a generalização. Esses métodos serão abordados de maneira didática para auxiliar na realização dos testes.

Objetivos do curso:
Identificar por que o aprendizado profundo é mais usado hoje em dia
Otimizar e avaliar modelos usando funções de perda e métricas de desempenho
Reduzir problemas comuns que surgem no aprendizado de máquina
Criar conjuntos de dados de treinamento, avaliação e testes que podem ser repetidos e escalonáveis

课程3
Intro to TensorFlow em Português Brasileiro

Apresentaremos o TensorFlow de baixo nível e trabalharemos com os conceitos e APIs necessários para gravar modelos de aprendizado de máquina distribuídos. Levando em consideração os modelos do TensorFlow, explicaremos como fazer o escalonamento horizontal do treinamento desse modelo e oferecer previsões de alto desempenho com o Cloud Machine Learning Engine.

Objetivos do curso:
Criar modelos de aprendizado de máquina no TensorFlow
Usar as bibliotecas do TensorFlow para solucionar problemas numéricos
Resolver problemas e lidar com dificuldades comuns do código do TensorFlow
Usar o tf_estimator para criar, treinar e avaliar modelos de aprendizado de máquina
Treinar, implantar e produzir modelos de aprendizado de máquina em escala com o Cloud ML Engine

课程4
Feature Engineering em Português Brasileiro

Quer aprender a melhorar a precisão dos seus modelos de aprendizado de máquina? Que tal descobrir quais colunas de dados criam os atributos mais úteis? Damos as boas-vindas ao curso Feature Engineering no Google Cloud Platform. Falaremos sobre a diferença entre atributos bons e ruins, além de como pré-processar e transformar essas variáveis para o uso ideal nos seus modelos de aprendizado de máquina.

Nesse curso, você fará laboratórios interativos para ver na prática como escolher atributos e fazer o pré-processamento no Google Cloud Platform. Nossos instrutores apresentarão as soluções de código em detalhes, que também serão disponibilizadas para usar como referência nos seus próprios projetos de aprendizado de máquina.

课程5
Art and Science of Machine Learning em Português Brasileiro

Seja bem-vindo à arte e à ciência do aprendizado de máquina. Neste curso, você aprenderá as habilidades básicas de intuição, bom senso e experimentação em aprendizado de máquina para ajustar e otimizar seus modelos com o objetivo de conseguir o melhor desempenho.

Além disso, você conhecerá as ferramentas envolvidas no processo de treinamento. Primeiro, você fará ajustes manuais para observar os efeitos no desempenho do modelo. Depois de se familiarizar com essas ferramentas, também conhecidas como hiperparâmetros, você aprenderá a ajustá-las automaticamente usando o Cloud Machine Learning Engine no Google Cloud Platform.