在本课程中，我们将深入探讨在生产环境中构建高性能 ML 系统的组件和最佳实践。我们将介绍构建这些系统背后最常见的一些考虑因素，例如静态训练、动态训练、静态推理、动态推理、分布式 TensorFlow 和 TPU。本课程致力于探索优秀 ML 系统的特点，而不仅仅是做出优秀 Prediction 的能力。
生产型机器学习系统
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有6个模块
本模块预览了课程中涉及的主题，以及如何使用 Qwiklabs 完成使用 Google Cloud 的每个实验。
涵盖的内容
2个视频2篇阅读材料
本模块将探讨生产型 ML 系统还需要做些什么，以及如何满足这些需求。您将回顾如何围绕训练和模型服务做出重要的高层次设计决策，以便为您的模型获得正确的性能曲线。
涵盖的内容
9个视频1篇阅读材料1个作业1个应用程序项目1个插件
在本模块中，您将学习如何识别我们的模型依赖数据的方式、做出具有成本意识的工程决策、了解何时将我们的模型回滚到早期版本、调试观察到的模型行为的原因，以及实施对一种依赖类型免疫的管道。
涵盖的内容
14个视频1篇阅读材料1个作业3个应用程序项目
在本模块中，您将确定机器学习模型的性能注意事项。 机器学习模型并不完全相同。对于某些模型，您需要关注的是提高 I/O 性能，而对于其他模型，您需要关注的是提高计算速度。
涵盖的内容
14个视频1篇阅读材料1个作业2个应用程序项目
了解可用的工具和系统，以及何时利用混合机器学习模型。
涵盖的内容
7个视频1篇阅读材料1个作业1个应用程序项目
本模块回顾您在本课程中学到的知识。
涵盖的内容
1个视频2篇阅读材料
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(85个评价)
提供方
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
70.74%
- 4 stars
21.28%
- 3 stars
5.44%
- 2 stars
1.45%
- 1 star
1.06%
显示 3/1029 个
AF
已于 May 6, 2019审阅
I did not realize the many aspects to consider implementing a Production ML system. This course presents all of them and provides guidance for evaluating alternative
SG
已于 Aug 10, 2019审阅
Es un curso algo confuso que requiere bastante tiempo para comprender las tematicas
NN
已于 May 8, 2020审阅
I got lots of new skills and I think it's a great course for ML
从 数据科学 浏览更多内容
Coursera
DeepLearning.AI
