TensorFlow on Google Cloud - Italiano

Questo corso tratta la creazione di modelli ML con TensorFlow e Keras, il miglioramento dell'accuratezza dei modelli ML e la scrittura di modelli ML per l'uso su larga scala.

• 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.
• Addestramento su larga scala con Vertex AI
• In questo modulo viene descritto come addestrare i modelli TensorFlow su larga scala utilizzando Vertex AI.
• Riepilogo
• Questo modulo è un riepilogo del corso Build, Train, and Deploy ML Models with Keras on Google Cloud.