TensorFlow入门 – 葡萄牙语版

课程概况

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

课程大纲

Introdução

A ferramenta que utilizaremos para criar programas de aprendizado de máquina é o TensorFlow, que será apresentado neste curso. No primeiro curso, você aprendeu a formular problemas corporativos como problemas de aprendizado de máquina. No segundo, viu como a máquina funciona na prática e como criar conjuntos de dados que podem ser usados no aprendizado de máquina. Agora que seus dados estão prontos, você pode começar a criar programas de aprendizado de máquina.

Principais componentes do TensorFlow

Apresentaremos os principais componentes do TensorFlow. Além disso, você aprenderá na prática a criar programas de aprendizado de máquina. Você poderá fazer a comparação e a gravação de avaliações preguiçosas (lazy evaluation) e programas imperativos, trabalhar com gráficos, sessões e variáveis e, por fim, depurar programas do TensorFlow.

Estimator API

Neste módulo, falaremos sobre a Estimator API.

Como ampliar os modelos do TensorFlow com CMLE

Agora, vamos aprender a treinar seu modelo do TensorFlow na infraestrutura gerenciada do GCP para treinamento e implantação de modelo de aprendizado de máquina.

Resumo

Veja o resumo dos tópicos do TensorFlow abordados até agora no curso. Relembraremos o que foi discutido sobre o código do TensorFlow e a Estimator API, além do escalonamento dos seus modelos com o Cloud Machine Learning Engine.