TensorFlow入门 – 日语版

课程概况

低レベルの TensorFlow を導入し、分散型機械学習モデルを作成するために必要なコンセプトと API を開発します。TensorFlow モデルのトレーニングをスケールアウトし、Cloud Machine Learning Engine を使った高性能な予測を提供する方法について説明します。

コースの目的:
TensorFlow で機械学習モデルを作成する
TensorFlow ライブラリを使用して数値の問題を解決する
TensorFlow コードによくある問題のトラブルシューティングとデバッグを行う
tf.estimator を使用して ML モデルを作成、トレーニング、評価する
Cloud ML Engine を使用して ML モデルの大規模なトレーニング、デプロイ、本稼働を行う

课程大纲

はじめに

機械学習プログラムの記述に使用するツールは TensorFlow です。そのため、このコースでは TensorFlow について説明します。最初のコースでは、ビジネス上の問題を機械学習の問題として定式化する方法を学習し、2 つ目のコースでは、機械学習が実際にどのように機能するかと、機械学習に使用できるデータセットを作成する方法を学習しました。データの準備ができたので、機械学習プログラムを記述してみましょう。

コア TensorFlow

"TensorFlow のコア コンポーネントについて説明し、機械学習プログラムを作成する実践演習を行います。遅延評価と命令型プログラムを比較して記述し、グラフ、セッション、変数を使用して、最終的に TensorFlow プログラムをデバッグします。

"

Estimator API

このモジュールでは、Estimator API について説明します。

CMLE で TensorFlow モデルをスケールする

ここでは、TensorFlow モデルの使い方と、機械学習モデルのトレーニングとデプロイに向けて GCP のマネージド インフラストラクチャで TensorFlow モデルをトレーニングする方法について説明します。

まとめ

ここでは、このコースで学習した TensorFlow のトピックについて要点をまとめます。コア TensorFlow コード、Estimator API、Cloud Machine Learning Engine による機械学習モデルのスケーリングについて振り返ります。