Erweiterte Bereitstellungsszenarien mit TensorFlow

Beschreibung

Um ein Modell für maschinelles Lernen in die reale Welt zu bringen, muss viel mehr als nur modelliert werden. In dieser Spezialisierung lernen Sie, wie Sie durch verschiedene Bereitstellungsszenarien navigieren und Daten effektiver zum Trainieren Ihres Modells verwenden.

In diesem Abschlusskurs werden vier verschiedene Szenarien erläutert, die beim Bereitstellen von Modellen auftreten. Sie werden in TensorFlow Serving eingeführt, eine Technologie, mit der Sie über das Web Rückschlüsse ziehen können. Sie wechseln zu TensorFlow Hub, einem Repository mit Modellen, die Sie für das Transferlernen verwenden können. Anschließend verwenden Sie TensorBoard, um die Funktionsweise Ihrer Modelle zu bewerten und zu verstehen sowie Ihre Modellmetadaten mit anderen zu teilen. Schließlich lernen Sie das Verbundlernen kennen und erfahren, wie Sie bereitgestellte Modelle mit Benutzerdaten unter Wahrung des Datenschutzes neu trainieren können.

Diese Spezialisierung baut auf unserer TensorFlow in Practice-Spezialisierung auf. Wenn Sie TensorFlow noch nicht kennen, empfehlen wir Ihnen, zuerst die Spezialisierung TensorFlow in der Praxis zu absolvieren. Um ein tieferes, grundlegendes Verständnis der Funktionsweise neuronaler Netze zu entwickeln, empfehlen wir Ihnen, die Deep Learning-Spezialisierung zu absolvieren.