К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Serverless Machine Learning with Tensorflow on Google Cloud auf Deutsch · LearnSpace
Назад в каталог
courseraАнализ данных

Serverless Machine Learning with Tensorflow on Google Cloud auf Deutsch

Курс от Google Cloud
Средний≈ 14.6 чНемецкий
О курсеНавыкиПрограммаПреподаватели

О курсе

***Wir möchten Sie darüber informieren, dass die Spezialisierung "Data Engineer, Big Data and ML on Google Cloud auf Deutsch" am 10. November 2020 geschlossen und nicht mehr angeboten wird.*** In diesem einwöchigen On-Demand-Intensivkurs erhalten Teilnehmer eine praxisorientierte Einführung in das Entwerfen und Erstellen von Modellen für das maschinelle Lernen (ML) mithilfe der Google Cloud Platform. In Präsentationen, Demos und praxisorientierten Labs lernen die Teilnehmer ML- und TensorFlow-Konzepte kennen und entwickeln ML-Modelle, die sie anschließend auswerten und produktionsreif machen. ZIELE In diesem Kurs werden die folgenden Fähigkeiten vermittelt: ● Anwendungsfälle für maschinelles Lernen erkennen ● ML-Modelle mit TensorFlow erstellen ● Skalier- und bereitstellbare ML-Modelle mit Cloud ML erstellen ● Bedeutung der Datenvorverarbeitung und der Kombination von Features verstehen ● Fortgeschrittene ML-Konzepte in Modelle einbinden ● Trainierte ML-Modelle produktionsreif machen VORAUSSETZUNGEN Für maximale Lernerfolge sollten die Teilnehmer folgende Voraussetzungen erfüllen: ● Abschluss des Kurses "Google Cloud Platform Fundamentals: Big Data & Machine Learning" ODER entsprechende Erfahrung auf dem Gebiet ● Grundkenntnisse in gängigen Abfragesprachen wie SQL ● Kenntnisse in Datenmodellierung, Extraktion, Transformation und Ladeaktivitäten ● Entwicklung von Anwendungen mit einer gängigen Programmiersprache wie Python ● Vertrautheit mit maschinellem Lernen und/oder Statistik Hinweis zum Google-Konto: • In China sind Google-Dienste derzeit nicht verfügbar.

Навыки, которые вы освоите

TensorflowModel TrainingGoogle Cloud PlatformMachine LearningModel EvaluationFeature EngineeringData PreprocessingScalabilityServerless ComputingModel DeploymentApplied Machine LearningData ProcessingStatistical Machine Learning

Программа курса

5 модулей · 74 учебных материалов

01Willkommen zum serverlosen maschinellen Lernen mit der Google Cloud Platform4 материалов

Willkommen zum Kurs

Willkommen zum KursВидеоKursressourcen herunterladenЧтение

Überlegungen zum maschinellen Lernen

Überlegungen zum maschinellen LernenВидео

Учитесь у экспертов

Google Cloud Training

Преподаватель курса

Serverless Machine Learning with Tensorflow on Google Cloud auf Deutsch
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 14.6 ч

5 модулей

Язык: Немецкий

Субтитры: Французский, Бразильский португальский, Английский, Испанский, Японский

Часть программы вашего университета
ML-Kurs – VorabfragenЗадание
02Modul 1: Einführung in maschinelles Lernen23 материалов

Was ist maschinelles Lernen (ML)?

Übersicht über das maschinelle Lernen (ML)ВидеоArten von MLВидеоDie ML-PipelineВидеоVarianten des ML-ModellsВидеоML-Problem eingrenzenВидео

Maschinelles Lernen ausprobieren

Maschinelles Lernen (ML) ausprobierenВидеоOptimierungВидеоSichere Testumgebung für neuronale NetzwerkeВидеоFunktionen kombinierenВидеоFeature EngineeringВидеоBildmodelleВидео

Effektives maschinelles Lernen

Effektives MLВидеоWas macht ein gutes Dataset aus?ВидеоFehlermesswerteВидеоGenauigkeitВидеоGenauigkeit und TrefferquoteВидео

ML-Datasets erstellen

Datasets für maschinelles Lernen erstellenВидеоDatasets aufteilenВидеоPython-NotebooksВидеоQuiz zu Modul 1Задание

Lab: ML-Datasets erstellen

Übersicht zum Lab "Datasets für maschinelles Lernen erstellen"ВидеоLab 1: Dataset untersuchen, ML-Datasets und Benchmark erstellenВнешний инструментZusammenfassung zum Lab "Datasets für maschinelles Lernen erstellen"Видео
03Modul 2: ML-Modelle mit TensorFlow erstellen20 материалов

ML-Modelle mit TensorFlow erstellen – Einführung

Überblick über Modul 2Видео

Einführung in TensorFlow

Was ist TensorFlow?ВидеоCore TensorFlowВидео

Lab: Einführung in TensorFlow

Übersicht zum Lab "Einführung in TensorFlow"ВидеоLab 2: Einführung in TensorFlowВнешний инструментZusammenfassung zum TensorFlow-LabВидео

TensorFlow für maschinelles Lernen

Estimator APIВидео

Lab: Maschinelles Lernen mit Estimator

Maschinelles Lernen mit tf.estimatorВидеоLab 3: Maschinelles Lernen mit tf.estimatorВнешний инструментZusammenfassung zum Lab "Estimator"Видео

Mehr Flexibilität erreichen

Effektives ML ermöglichenВидео

Lab: Refaktorierung zum Hinzufügen von Stapelverarbeitung und Funktionserstellung

Einführung zum Lab "Refaktorierung zum Hinzufügen von Stapelverarbeitung und Funktionserstellung"ВидеоLab 4: Refaktorierung zum Hinzufügen von Stapelverarbeitung und FunktionserstellungВнешний инструментZusammenfassung zum Lab "Refaktorierung"Видео

Trainieren und bewerten

Trainieren und BewertenВидеоMonitoringВидео

Lab: Verteiltes Training und Monitoring

Einführung zum Lab "Verteiltes Training und Monitoring"ВидеоLab 5: Verteiltes Training und MonitoringВнешний инструментZusammenfassung zum Lab "Verteiltes Training und Monitoring"ВидеоQuiz zu Modul 2Задание
04Modul 3: ML-Modelle mit Cloud ML Engine skalieren9 материалов

ML-Modelle mit Cloud ML Engine skalieren – Einführung

Überblick über Modul 3Видео

Vorteile der Cloud ML Engine

Vorteile der Cloud ML EngineВидеоArbeitsablauf bei der EntwicklungВидео

TensorFlow-Modell packen

Trainingspakete erstellenВидеоTensorFlow bereitstellenВидеоQuiz für Modul 3Задание

Lab: ML mit Cloud ML Engine hochskalieren

Lab: ML hochskalierenВидеоLab 6: ML mit Cloud ML Engine hochskalierenВнешний инструментZusammenfassung zum Lab "ML hochskalieren"Видео
05Modul 4: Feature Engineering18 материалов

Feature Engineering – Einführung

Überblick über Modul 4Видео

ML-Modelle mit Feature Engineering verbessern

Gute FunktionenВидеоKausalitätВидеоNumerischВидеоAusreichende BeispieleВидеоVon den Rohdaten zur FunktionВидеоKategoriale MerkmaleВидеоFunktionsverknüpfungenВидеоBucketizingВидеоBreit und tiefВидеоEinsatzbereiche für Feature EngineeringВидео

Lab: Feature Engineering

Überblick zum Lab "Feature Engineering"ВидеоLab 7: Feature EngineeringВнешний инструментZusammenfassung zum Lab "Feature Engineering"Видео

Hyperparameter-Abstimmung

Hyperparameter-Abstimmung + DemoВидео

Weitere Informationen

ML-AbstraktionsebenenВидеоQuiz zu Modul 4ЗаданиеFazitВидео