TensorFlow on Google Cloud - Português Brasileiro

Overview

Class Central Tips

Este curso aborda o design e a criação de um pipeline de dados de entrada com o TensorFlow 2.x, além de vários aspectos relacionados aos modelos de ML, por exemplo: como desenvolver esses modelos com o TensorFlow 2.x e o Keras, como melhorar a precisão deles; como criá-los para uso em escala e como desenvolver modelos de ML especializados.

Syllabus

Introdução ao curso

Este módulo apresenta uma visão geral do curso e dos objetivos a serem alcançados.

Introdução ao ecossistema do TensorFlow

Este módulo apresenta o framework do TensorFlow e dá uma prévia dos principais componentes da plataforma, bem como a hierarquia geral da API.

Design e criação de pipeline de dados de entrada

Os dados são um componente crucial de um modelo de machine learning. Coletar os certos não é suficiente. Você também precisa verificar se os processos certos estão em andamento para limpar, analisar e transformar os dados de acordo com a necessidade, e para que o modelo possa extrair a maior quantidade de indicadores possível. Neste módulo, falamos sobre como treinar em grandes conjuntos de dados com a tf.data, trabalhar com os arquivos na memória e preparar os dados para treinamento. Falamos também sobre embeddings e finalizamos com uma visão geral do dimensionamento de dados com as camadas de pré-processamento da tf.keras.

Como criar redes neurais com o TensorFlow e a API Keras

Neste módulo, vamos falar sobre as funções de ativação e como elas são necessárias para que as redes neurais profundas capturem a não linearidade dos dados. Em seguida apresentamos uma visão geral das redes neurais profundas usando as APIs Keras Sequential e Functional. Também descrevemos a criação de subclasses de modelos, que oferece maior flexibilidade na hora de construir um deles. O módulo termina com uma aula sobre regularização.