TensorFlow on Google Cloud - 日本語版

このコースでは、TensorFlow 入力データ パイプラインの設計と構築、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成、特殊な ML モデルの作成について取り上げます。

• コースの概要
• このモジュールでは、コースの概要と目標を説明します。
• TensorFlow エコシステムの概要
• このモジュールでは、TensorFlow フレームワークを紹介し、その主要コンポーネントを API 全体の階層とあわせて説明します。
• 入力データ パイプラインの設計と構築
• データは、ML モデルのきわめて重大なコンポーネントです。適切なデータを収集するだけでは不十分で、必要に応じて、データのクリーニング、分析、変換を行う場所に適切なプロセスを導入する必要があります。そうすることで、モデルがデータの発する信号を最大限認識できるようになります。このモジュールでは、tf.data を含む大規模なデータセットを使用したトレーニング、メモリ内ファイルの操作、およびトレーニング用データの準備方法について話をします。その後エンベディングの話をして、最後に tf.keras 前処理レイヤを使用したデータのスケーリングについて概要を説明します。
• TensorFlow と Keras API を使用したニューラル ネットワークの構築
• このモジュールでは、活性化関数と、それらの関数がディープ ニューラル ネットワークによるデータ非線形性の取り込みを可能としなければならない理由について話をします。その後、Keras Sequential API と Functional API を使用してディープ ニューラル ネットワークの概要を説明します。続いて、モデルのサブクラス化を説明します。サブクラス化により、モデル構築の柔軟性が強化されます。最後に、正則化についてのレッスンでこのモジュールを締めくくります。
• Vertex AI を使用した大規模なトレーニング
• このモジュールでは、Vertex AI を使用して TensorFlow モデルを大規模にトレーニングする方法を説明します。
• まとめ
• このモジュールは、「TensorFlow on Google Cloud」コースのまとめです。