Machine Learning on Google Cloud (MLGC) Online
Startdaten und Startorte
Beschreibung
Voraussetzungen
- Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.
- Grundkenntnisse in einer Skriptsprache - Python bevorzugt.
Zielgruppe
- Angehende Datenwissenschaftler und Ingenieure für maschinelles Lernen.
- Lernende, die ML mit Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier für Hyperparameter-Tuning, TensorFlow/Keras kennenlernen möchten.
Detaillierter Kursinhalt
Modul 1: Wie Google maschinelles Lernen betreibt
- Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.
- Beschreiben Sie bewährte …
Frequently asked questions
Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!
Voraussetzungen
- Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.
- Grundkenntnisse in einer Skriptsprache - Python bevorzugt.
Zielgruppe
- Angehende Datenwissenschaftler und Ingenieure für maschinelles Lernen.
- Lernende, die ML mit Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier für Hyperparameter-Tuning, TensorFlow/Keras kennenlernen möchten.
Detaillierter Kursinhalt
Modul 1: Wie Google maschinelles Lernen betreibt
- Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.
- Beschreiben Sie bewährte Verfahren für die Implementierung von maschinellem Lernen in der Google Cloud.
- Entwicklung einer Datenstrategie für maschinelles Lernen
- Untersuchen Sie Anwendungsfälle, die dann durch eine ML-Linse neu konzipiert werden
- Nutzen Sie die Tools und die Umgebung der Google Cloud Platform für ML
Modul 2: Einstieg in das maschinelle Lernen
- Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen können, ohne eine einzige Zeile Code zu schreiben.
- Beschreiben Sie Big Query ML und seine Vorteile.
- Beschreiben Sie, wie Sie die Datenqualität verbessern können.
- Führen Sie eine explorative Datenanalyse durch.
- Erstellen und trainieren Sie überwachte Lernmodelle.
- Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.
- Entschärfen Sie häufige Probleme, die beim maschinellen Lernen auftreten.
- Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatensätze.
Modul 3: TensorFlow in der Google Cloud
- Erstellen Sie TensorFlow und Keras Modelle für maschinelles Lernen.
- Beschreiben Sie die Schlüsselkomponenten von TensorFlow.
- Verwenden Sie die tf.data-Bibliothek zur Bearbeitung von Daten und großen Datensätzen.
- Erstellen Sie ein ML-Modell mit tf.keras-Vorverarbeitungsschichten.
- Verwenden Sie die Keras Sequential und Functional APIs für die einfache und erweiterte Modellerstellung. Verstehen Sie, wie Modell-Subklassifizierung für individuellere Modelle verwendet werden kann.
Modul 4: Funktionsentwicklung
- Beschreiben Sie den Vertex AI Feature Store.
- Vergleichen Sie die wichtigsten erforderlichen Aspekte eines guten Features.
- Kombinieren und erstellen Sie neue Feature-Kombinationen durch Feature-Kreuzungen.
- Führen Sie Feature Engineering mit BQML, Keras und TensorFlow durch.
- Verstehen Sie, wie Sie Funktionen mit Cloud Dataflow und Cloud Dataprep vorverarbeiten und untersuchen können.
- Verstehen und anwenden, wie TensorFlow Features transformiert.
Modul 5: Maschinelles Lernen im Unternehmen
- Die für Datenmanagement und -verwaltung erforderlichen Tools verstehen
- Beschreiben Sie den besten Ansatz für die Datenvorverarbeitung - von einem Überblick über DataFlow und DataPrep bis zur Verwendung von SQL für Vorverarbeitungsaufgaben.
- Erklären Sie, wie sich AutoML, BQML und benutzerdefinierte Schulungen unterscheiden und wann ein bestimmtes Framework verwendet werden sollte.
- Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.
- Erklären Sie Vorhersage und Modellüberwachung und wie Vertex AI zur Verwaltung von ML-Modellen eingesetzt werden kann.
- Beschreiben Sie die Vorteile von Vertex AI Pipelines
Werden Sie über neue Bewertungen benachrichtigt
Schreiben Sie eine Bewertung
Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!