TensorFlow em detalhes: fundamentos de hardware e compilador

Escrever código de machine learning no TensorFlow e no Keras é fácil, mas você sabe o que realmente acontece quando seu modelo é compilado e executado? Compreender a ponte entre o código de aprendizado de máquina de alto nível e o hardware físico é a chave para escrever modelos altamente otimizados e eficientes.\n\nEste curso somente de texto orienta você através da relação fundamental entre software de aprendizagem de máquina, compiladores e aceleradores de hardware. Você passará de simplesmente escrever código para entender exatamente como suas redes neurais são mapeadas para CPUs, GPUs e TPUs para obter o máximo desempenho.\n\nO que você aprenderá:\n- Entenda a mecânica fundamental de como os compiladores traduzem operações de alto nível do TensorFlow em código de máquina.\n- Explore as diferenças arquitetônicas entre CPUs, GPUs e TPUs, e como eles lidam com operações de matriz.\n- Saiba como os compiladores otimizam gráficos de execução para reduzir a sobrecarga de memória e a latência.\n - Analise como o TensorFlow e o Keras gerenciam a memória, e distribuem cargas de trabalho sob o capô.\n Este curso começa com terminologia essencial, explicando os conceitos básicos de arquitetura de computadores e teoria de compiladores antes de passar para o mapeamento prático de hardware-software. Você lerá explicações detalhadas, analisará conceitos de arquitetura e estudará padrões de execução de código para dominar a mecânica subjacente da execuções de machine learning.\n\nEste curso foi projetado para desenvolvedores curiosos, cientistas de dados e iniciantes que desejam ir além do uso básico da API e entender o lado dos sistemas do machine learning. Nenhum conhecimento avançado de hardware é necessário.\n\nComece a ler hoje para desbloquear todo o potencial de seus modelos de aprendizado de máquina, dominando a conexão hardware-software.