TensorFlow on Google Cloud - Italiano

Overview

Class Central Tips

Questo corso tratta la progettazione e la creazione di una pipeline di dati di input TensorFlow, la realizzazione di modelli ML con TensorFlow e Keras, il miglioramento dell'accuratezza dei modelli ML, la scrittura di modelli ML per l'uso su larga scala e la scrittura di modelli ML specializzati.

Syllabus

Introduzione al corso

Questo modulo fornisce una panoramica del corso e dei suoi obiettivi.

Introduzione all'ecosistema TensorFlow

Questo modulo introduce il framework di TensorFlow e ne presenta in anteprima i componenti principali, nonché la gerarchia generale delle API.

Progettazione e creazione di una pipeline di dati di input

I dati sono un componente fondamentale di un modello di machine learning. Non basta, però, raccogliere i dati giusti. È necessario anche assicurarsi di mettere in atto i processi giusti per pulire, analizzare e trasformare i dati, se necessario, in modo che il modello possa sfruttarli al meglio. In questo modulo parleremo dell'addestramento su set di dati di grandi dimensioni con tf.data, dell'utilizzo dei file in memoria e di come preparare i dati per l'addestramento. Quindi discuteremo degli incorporamenti e termineremo con una panoramica sulla scalabilità dei dati con gli strati di pre-elaborazione di tf.keras.

Creazione di reti neurali con TensorFlow e l'API Keras

In questo modulo esaminiamo le funzioni di attivazione e come vengono utilizzate per permettere alle reti neurali profonde di acquisire le non linearità dei dati. Quindi forniamo una panoramica delle reti neurali profonde utilizzando le API Keras Sequential e Functional. Successivamente, descriviamo la suddivisione in sottoclassi dei modelli, in modo da avere una maggiore flessibilità nella creazione dei modelli. Il modulo termina con una lezione sulla regolarizzazione.