一个男人和两个笔记本电脑和台式电脑在他的面前

数据分析和机器学习(ML Ops)在云上

注册接收电子邮件你的机器学习程序。


课程描述:
机器学习领域是现在非常普遍,应用领域包括商业智能、国土安全、生化交互分析,基础设施监测、和天体物理学。深度学习是机器学习的一个分支关心现代神经网络的发展和应用。深入学习算法提取的分层高层表示数据的方式最大化给任务的性能。深度学习的背后是许多最近人工智能的发展,包括Siri语音识别,Facebook的标签建议,机器语言翻译和自动驾驶汽车。本课程是介绍机器学习使用TensorFlow 2.0,这是一个非常受欢迎的框架来构建预测模型。课程将提供一个一步一步的方法来构建复杂的机器学习模型从机器学习的基本概念,并从谷歌TensorFlow 2.0框架。我们将使用Python等各种工具和平台TensorFlow / Keras,和谷歌合作实验室笔记本为构建,测试和部署的机器学习模型。

这个七周计划包含42小时的在线联系,同步教学,分为3个模块,涵盖了基本主题让学生们对人工智能和机器学习。这个项目是理想的毕业和工作的工程师新人工智能和机器学习的世界。

这个项目包含专门化零售、医疗保健、金融服务和工业/制造业。你可以选择一个或多个专门化作为课程的一部分(每个专业化长3 - 5周)。你就会明白下面的用例定义和实现一个用例的端到端作为项目的一部分。

速度成就证书将在成功完成项目。

注册

学习成果
课程结束时,学生能够:

  • 解释机器学习模型是如何工作的
  • 框架任务到机器学习问题
  • 使用机器学习工具来实现设计模型
  • 证明当为什么特定的机器学习技术工作的具体问题
  • 构建、测试和部署复杂的机器学习模型来解决具体问题

初步课程大纲

每个模块包含相应的动手实验覆盖模块的主题。

模块1:Python基础- 1星期
  • Python教程,包括:
    • 数据类型和字符串
    • 用户定义函数
    • 熊猫系列
    • λ和地图
    • 类和对象的介绍

这个模块包括Python编程的基本原理。完成这个模块后,学生将能够编写相当复杂的Python代码来处理数据。下面的表显示了这个模块的主题。

Python基础知识

主题 细节

Python基础知识

  • 开始,数据类型&字符串,列表和元组集&字典,如果Else语句,& While循环,用户定义函数,读取和写入一个文件,熊猫系列,数据帧,λ和地图

数据结构

  • 列表、元组字典。
  • 为字符串,使用内置模块和函数计算和日期。
  • 面向对象编程(OOP)的原则。

使用模块

  • 创建和使用功能。
  • 在课堂上创造一个模块;调用模块;返回值从一个模块;添加一个方法,参数;

类和对象的介绍

  • 创建一个类;创建一个对象;使用对象;添加实例变量;控制的可访问性;类成员的命名约定。内部类。
  • 类的构造函数;参数化构造函数。
  • 继承。过载。

文件、流、数据库连接和API

  • 开放、遍历、读取和创建文件:数据库、csv、txt和Json文件。
  • 连接到一个数据库,创建数据库,删除一个数据库,创建一个表,修改表,删除一个表,插入、删除、更新记录,查询数据库并显示结果。
  • 连接到不同的api
模块2:机器学习使用TensorFlow - 4周
  • 介绍机器学习
  • 机器学习是什么?
  • 介绍TensorFlow
  • 构建TensorFlow模型
  • 扩大和模型部署

这个模块侧重于机器学习的基本原理和常用的ML和深度学习模型在谷歌的云平台。构建模型使用TensorFlow、培训和使用TensorBoard评估他们的表现,和部署模型将讨论。

机器学习使用TensorFlow 2.0

主题 细节

介绍机器学习

  • 机器学习是什么?
  • 机器学习与数据科学
  • 如何把一切放在AI &毫升世界?

机器学习是什么?

  • 开始使用机器学习
  • 设置您的云环境(GCP)
  • 了解谷歌云的基础知识
  • 发展中第一个机器学习模型——回归
  • 开发机器学习模型——分类

介绍TensorFlow

  • TensorFlow是如何工作的呢?
  • 介绍神经网络
  • 开始使用TensorFlow
  • TensorFlow 1之间的区别。x和TensorFlow 2. x

构建TensorFlow模型

  • 开始使用TensorFlow毫升模型
  • 了解数据集
  • 准备培训模型
  • 训练神经网络模型
  • 理解TensorBoard
  • 工程特性是什么?
  • 改善模型性能,特性工程

扩大和模型部署

  • 计划云部署
  • 设置存储桶
  • 使API和服务
  • 创建服务帐户密钥
  • 打包代码
  • 在谷歌云上运行毫升的工作
  • 部署一个毫升模型

实验室的模2
Lab1:实现一个线性回归和资讯模型。
Lab2:创建一个模型使用TensorFlow -特性工程款模型
Lab3:改善模型性能工程使用功能。
Lab4:部署使用烧瓶TensorFlow模型API。

模块3:行业焦点- 3周

这个模块是零售行业专业化、医疗保健、金融服务和工业/制造业。学生可以选择一个或多个专门化作为课程的一部分。这个模块将集中在下面定义的用例,和学生将一个用例实现端到端顶石项目的一部分。


行业集中 用例

零售

  • 需求预测
  • 零售搜索
  • 产品推荐
  • 库存优化

医疗保健

  • 远程医疗/虚拟护理
  • 互操作性的加速器
  • 医院的影响预测
  • 生物医学数据分析

金融服务

  • 反洗钱(AML)
  • 了解你的客户什么
  • 数字社会安全网
  • 贷款文档处理

工业/制造

  • 工业自适应控制
  • 制造视觉检查
  • 物流优化
  • 连接操作

实验室的第三讲
Lab1:理解业务问题和实现一个探索性数据分析使用Python。
使用TensorFlow Lab2:创建一个机器学习模型
Lab3:改善模型性能工程使用功能
Lab4:部署使用烧瓶TensorFlow模型API

证书的时间表
2022年
天/时间:星期二6-9pm &星期六9 am-12pm
日期:
模块# 1 - 1月18日和22
模块# 2 - 1月25日,29日,2月1日5、8、12、15、19
模块# 3 - 2月22日,26日,3月1日5、15

导师信息
名称:Vijayan Sugumaran
标题:特聘教授的管理信息系统
联系信息:sugumara@www.zhongqiwg.com

名称:Naresh Jasotani
标题:客户Engg专家。(AI / ML,数据和分析)

谷歌底特律办公室
联系信息: nareshjasotani@google.com
Baidu
map