Descrição do Curso
O TensorFlow é uma ferramenta poderosa para a aprendizagem automática, mas há também uma série de complementos disponíveis que podem melhorar as suas capacidades. Nestas lições, irá explorar os diferentes add-ons disponíveis e como utilizá-los eficazmente nos seus projectos de aprendizagem automática.
Começará com uma exploração de diferentes afirmações Verdadeiro/Falso relacionadas com add-ons para o TensorFlow, tais como a utilidade do TensorFlow Hub para encontrar modelos pré-treinados e as capacidades de servidor do TensorFlow. Você aprenderá sobre ferramentas como o TensorFlow Lite, que foi projetado para dispositivos com potência de CPU limitada; e a API de probabilidade do TensorFlow, que inclui recursos como algoritmos de Monte Carlo e cadeias de Markov.
Você também aprenderá sobre módulos populares para aprendizado de máquina, como o scikit-learn, e como usar bibliotecas Python, como solicitações e JSON, para se comunicar com os servidores do TensorFlow. Além disso, explorará os diferentes aspectos do processo de implantação, como salvar um modelo e configurar um servidor.
Utilizando ferramentas como o TensorFlow Hub, aprenderá a encontrar e a utilizar modelos pré-treinados e a utilizar o TensorFlow Lite para implementar os seus modelos em dispositivos com potência de CPU limitada. Também explorará os diferentes recursos disponíveis na API de probabilidade do TensorFlow e como eles podem ser usados para aprimorar seus modelos de aprendizado de máquina.
No geral, obterá uma compreensão fundamental dos diferentes complementos disponíveis para o TensorFlow e as competências necessárias para os utilizar eficazmente nos seus projectos de aprendizagem automática.
O Que Você Vai Aprender
- Explorar os diferentes complementos disponíveis para TensorFlow e como usá-los efetivamente em projetos de aprendizado de máquina
- Usar TensorFlow Hub para encontrar e usar modelos pré-treinados
- Implantar modelos em dispositivos com poder de CPU limitado usando TensorFlow Lite
- Usar bibliotecas Python como requests e JSON para se comunicar com servidores TensorFlow
- Examinar os recursos da API TensorFlow Probability, incluindo algoritmos de Monte Carlo e cadeias de Markov
- Trabalhar através do processo de implantação, como salvar um modelo e configurar um servidor
Principais Conclusões
- TensorFlow tem vários complementos disponíveis que podem aprimorar suas capacidades para projetos de aprendizado de máquina.
- TensorFlow Hub é útil para encontrar modelos pré-treinados, enquanto TensorFlow Lite é projetado para dispositivos com poder de CPU limitado.
- A API TensorFlow Probability inclui recursos como algoritmos de Monte Carlo e cadeias de Markov.
- Bibliotecas Python como requests e JSON podem ser usadas para se comunicar com servidores TensorFlow.
- O processo de implantação cobre aspectos como salvar um modelo e configurar um servidor.
Perguntas Frequentes
Para quem é este curso?
É um curso de nível iniciante para aqueles que desejam uma compreensão fundamental dos diferentes complementos disponíveis para TensorFlow e as habilidades para usá-los efetivamente em projetos de aprendizado de máquina.
Quais complementos o curso cobre?
Ele cobre ferramentas como TensorFlow Hub para encontrar modelos pré-treinados, TensorFlow Lite para dispositivos com poder de CPU limitado, a API TensorFlow Probability e módulos como scikit-learn.
O que vou aprender sobre implantação?
Você explorará aspectos do processo de implantação, como salvar um modelo e configurar um servidor, e usando bibliotecas Python como requests e JSON para se comunicar com servidores TensorFlow.
Quais tópicos estão incluídos nas lições?
As lições cobrem TensorFlow Hub, Implantação do TensorFlow e APIs e Pacotes Adicionais.
Quais habilidades estão associadas a este curso?
O curso se relaciona com habilidades incluindo Ferramentas Computacionais, ML.NET, PyTorch, TensorFlow e Conjuntos de Dados de Treinamento.
