Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Machine Learning with TensorFlow on Google Cloud

Học Máy với TensorFlow trên Google Cloud

Học Máy với TensorFlow trên Google Cloud

Xây dựng, huấn luyện và triển khai mô hình ML với TensorFlow: Hành trình thực hành qua cơ sở hạ tầng mạnh mẽ của Google Cloud

4.5
(144 đánh giá)
14,543 học viên
Giảng viên
Start-Tech Academy
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
6.0 giờ video
63 bài giảng
8 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Nắm vững các nguyên tắc nền tảng đằng sau các mô hình ML cơ bản như Hồi quy Tuyến tính và Hồi quy Logistic bằng TensorFlow.
Xây dựng các Mạng Nơ-ron Nhân tạo (ANN) phức tạp để giải quyết các thách thức dữ liệu khó hơn.
Thiết kế Mạng Nơ-ron Tích chập (CNN) cho các tác vụ nhận dạng hình ảnh và mẫu.
Khai thác sức mạnh của Google Colab trên Google Cloud để chạy mã Python cho các tác vụ ML một cách hiệu quả.
Khám phá chức năng của Google Vertex và cách nó nâng cấp việc xây dựng notebook Jupyter.
Triển khai quy trình làm việc học máy từ đầu đến cuối, từ tiền xử lý dữ liệu đến triển khai mô hình.

Yêu cầu

Kiến thức cơ bản về Python và quen thuộc với Jupyter notebook; người mới bắt đầu hoàn toàn phù hợp vì các khái niệm nền tảng sẽ được đề cập.

Đối tượng phù hợp

Những người đam mê dữ liệu mong muốn khám phá học máy bằng TensorFlow.
Các nhà phát triển muốn tận dụng cơ sở hạ tầng đám mây cho các tác vụ ML.
Chuyên gia mong muốn kết hợp sức mạnh của TensorFlow với Google Cloud.
Người mới bắt đầu tìm kiếm một hướng dẫn có cấu trúc về ML trên đám mây.
Người học có kinh nghiệm muốn đào sâu kiến thức và kỹ năng trong lĩnh vực ML bằng TensorFlow trên GCP.

Nội dung khóa học

10 phần • 61 bài giảng
1 Giới thiệu
2 Tài nguyên khóa học
3 Google Cloud - So sánh Google Colab và Vertex AI
4 Đây là một cột mốc
1 Cơ bản về Hồi quy Tuyến tính
2 Cơ bản về Hồi quy Logistic
1 Giới thiệu về ANN
2 Một Nơ-ron Đơn lẻ
3 Ví dụ về Perceptron
4 Hàm Kích hoạt là gì
5 Hàm Kích hoạt Sigmoid
6 Nghiên cứu tình huống Hồi quy Tuyến tính
7 Nghiên cứu tình huống Hồi quy Tuyến tính - Thực hành
8 Nghiên cứu tình huống Hồi quy Logistic
9 Nghiên cứu tình huống Hồi quy Logistic - Thực hành
10 Nhiệm vụ Thực hành
1 Xếp chồng Song song so với Tuần tự
2 Các thuật ngữ quan trọng
3 Cách hoạt động của Mạng Nơ-ron
4 Tìm điểm tối ưu bằng Gradient Descent
5 Khái niệm Đằng sau việc sử dụng Gradient Descent
6 Lan truyền ngược trong mạng nơ-ron
7 Các loại và Công dụng của Hàm Kích hoạt
8 Phân loại Đa lớp
9 Sự khác biệt giữa Gradient Descent và Stochastic Gradient Descent
10 Epochs
11 Về phần đóng vai sắp tới.
1 Thông tin về Keras và Tensorflow
2 Bộ dữ liệu cho bài toán phân loại
3 Chuẩn hóa và Chia Tập kiểm tra - Huấn luyện
4 Các cách khác nhau để tạo ANN
5 Xây dựng Mạng Nơ-ron
6 Biên dịch và Huấn luyện mô hình Mạng Nơ-ron
7 Đánh giá hiệu suất và Dự đoán
8 Xây dựng Mạng Nơ-ron cho Bài toán Hồi quy
9 Kiến trúc ANN Phức tạp sử dụng Functional API
10 Hiểu về Checkpoints và Callbacks trong Keras
1 CNN - Giới thiệu
2 CNN - Triển khai
3 Stride trong CNN
4 Padding trong CNN
5 Bộ lọc trong CNN
6 Ví dụ về Bộ lọc và Bản đồ đặc trưng trong CNN
7 Kênh trong CNN
8 Minh họa Kênh RGB
9 Lớp Gộp trong CNN
1 Mô hình CNN - Tiền xử lý
2 Mô hình CNN - Cấu trúc và Biên dịch
3 Mô hình CNN - Huấn luyện và kết quả
4 Mô hình CNN - Tác động của lớp gộp
1 Giới thiệu về dự án
2 Dữ liệu cho dự án
3 Dự án - Tiền xử lý Dữ liệu trong Python
4 Dự án - Huấn luyện mô hình CNN trong Python
5 Dự án trong Python - Kết quả mô hình
1 Dự án - Tiền xử lý Tăng cường Dữ liệu
2 Dự án - Huấn luyện và Kết quả Tăng cường Dữ liệu
3 Cột mốc cuối cùng!
4 Bộ câu hỏi Chuẩn bị Phỏng vấn Toàn diện
1 Về chứng chỉ của bạn
2 Bài giảng Bổ sung

Giới thiệu khóa học

If you're a budding data enthusiast, developer, or even an experienced professional wanting to make the leap into the ever-growing world of machine learning, have you often wondered how to integrate the power of TensorFlow with the vast scalability of Google Cloud? Do you dream of deploying robust ML models seamlessly without the fuss of infrastructure management?

Delve deep into the realms of machine learning with our structured guide on "Machine Learning with TensorFlow on Google Cloud." This course isn't just about theory; it's a hands-on journey, uniquely tailored to help you utilize TensorFlow's prowess on the expansive infrastructure that Google Cloud offers.

In this course, you will:

  • Develop foundational models such as Linear and Logistic Regression using TensorFlow.

  • Master advanced architectures like Artificial Neural Networks (ANN) and Convolutional Neural Networks (CNN) for intricate tasks.

  • Harness the power and convenience of Google Cloud's Colab to run Python code effortlessly.

  • Construct sophisticated Jupyter notebooks with real-world datasets on Google Colab and Vertex.

But why dive into TensorFlow on Google Cloud? As machine learning solutions become increasingly critical in decision-making, predicting trends, and understanding vast datasets, TensorFlow's integration with Google Cloud is the key to rapid prototyping, scalable computations, and cost-effective solutions.

Throughout your learning journey, you'll immerse yourself in a series of projects and exercises, from constructing your very first ML model to deploying intricate deep learning networks on the cloud.

This course stands apart because it bridges the gap between theory and practical deployment, ensuring that once you've completed it, you're not just knowledgeable but are genuinely ready to apply these skills in real-world scenarios.

Take the next step in your machine learning adventure. Join us, and let's build, deploy, and scale together.

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Cloud Computing
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Hiển thị tất cả khoá học Tensorflow
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊