Neste módulo, você aprenderá a ajustar o tamanho do lote e a taxa de aprendizado para melhorar o desempenho do modelo, otimizá-lo e aplicar os conceitos ao código do TensorFlow.

Neste módulo, você aprenderá a diferenciar parâmetros e hiperparâmetros. Em seguida, veremos a abordagem tradicional de pesquisa de grade e outras com algoritmos mais inteligentes. Por fim, você verá como o Cloud ML Engine facilita a automação do ajuste de hiperparâmetros.

Neste módulo, falaremos da ciência junto com a arte do machine learning. Primeiro vamos falar sobre como fazer a regularização da esparsidade e criar modelos mais simples e concisos. Depois abordaremos a regressão logística e veremos como determinar o desempenho.

Neste módulo, vamos nos aprofundar na ciência, especificamente as redes neurais.

Neste módulo, você aprenderá a usar embeddings para gerenciar dados esparsos, acelerando o treinamento e reduzindo o consumo de memória dos modelos de machine learning que usam esses dados. Os embeddings também são uma forma de reduzir a dimensionalidade e tornar os modelos mais simples e generalizáveis.