courseraАнализ данных

Production Machine Learning Systems - Português Brasileiro

Курс от Google Cloud

Продвинутый≈ 16.8 чБразильский португальский

О курсе

Neste curso, vamos conhecer os componentes e as práticas recomendadas para criar sistemas de ML com alto desempenho em ambientes de produção. Vamos abordar algumas considerações comuns relacionadas à criação desses sistemas, como treinamento estático e dinâmico, inferência estática e dinâmica, TensorFlow distribuído e TPUs. O objetivo deste curso é conhecer as características de um sistema de ML eficiente, que vão muito além da capacidade de fazer boas previsões.

Навыки, которые вы освоите

Model Training Data Validation Model Deployment Performance Tuning Dependency Analysis Model Optimization Data Pipelines Tensorflow Google Cloud Platform Hybrid Cloud Computing Systems Architecture Distributed Computing Applied Machine Learning Software Architecture Scalability MLOps (Machine Learning Operations)

Программа курса

6 модулей · 65 учебных материалов

01Introdução ao machine learning avançado no Google Cloud2 материалов

Introducción

Machine learning avançado no Google CloudВидео Boas-vindasВидео

02Como arquitetar sistemas de ML de produção13 материалов

Introdução

Como arquitetar sistemas de MLВидео

Extração, análise e preparação de dados

Учитесь у экспертов

Google Cloud Training

Преподаватель курса

Production Machine Learning Systems - Português Brasileiro

О курсе

Навыки, которые вы освоите

Программа курса

Introducción

Introdução

Extração, análise e preparação de dados

Учитесь у экспертов

Google Cloud Training

Decisões de design

Como projetar uma arquitetura do zero

Introdução à Vertex AI

Introdução

Adaptação aos dados

Como reduzir os desvios de treinamento/disponibilização

Como depurar um modelo de produção

Introdução

Aspectos do desempenho

Treinamento distribuído

Pipelines de entrada mais rápidos

Inferência

Introdução

Kubeflow

Como otimizar o TensorFlow para dispositivos móveis

Resumo