Machine Learning on Google Cloud – Inhouse

In diesem Kurs erfahren Sie, wie Sie leistungsstarke Machine-Learning-Lösungen in der Google Cloud umsetzen – ganz ohne tiefgreifende Programmierkenntnisse. Sie lernen, wie Sie mit Vertex AI AutoML-Modelle erstellen, ohne Code zu schreiben, und wie Sie BigQuery ML-Modelle mithilfe grundlegender SQL-Kenntnisse entwickeln. Zudem erfahren Sie, wie benutzerdefinierte Trainingsaufträge in Vertex AI mithilfe von Containern und minimalem Docker-Wissen erstellt und bereitgestellt werden. Entdecken Sie, wie der Feature Store das Datenmanagement und die Governance vereinfacht, wie Feature Engineering die Modellleistung steigert und welche Optionen zur Datenvorverarbeitung für Ihren spezifischen Anwendungsfall geeignet sind. Darüber hinaus lernen Sie, verteilte ML-Modelle in TensorFlow zu entwickeln und zu skalieren, und wie Sie bewährte Methoden für Machine-Learning-Projekte in der Google Cloud anwenden.

• Wie Google maschinelles Lernen betreibt
• Einstieg in das maschinelle Lernen
• TensorFlow in der Google Cloud
• Funktionsentwicklung
•  Maschinelles Lernen im Unternehmen

In diesem Kurs erwerben Sie die folgenden Fähigkeiten:

• Mit Vertex AI AutoML können Sie ein maschinelles Lernmodell erstellen, trainieren und bereitstellen, ohne eine einzige Zeile Code schreiben zu müssen.
• Verstehen Sie, wann Sie AutoML und Big Query ML verwenden sollten.
• Erstellen Sie von Vertex AI verwaltete Datensätze.
• Features zu einem Feature Store hinzufügen.
• Beschreiben Sie Analytics Hub, Dataplex, Data Catalog.
• Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.
• Erstellen Sie ein benutzerverwaltetes Vertex AI Workbench-Notizbuch, erstellen Sie einen benutzerdefinierten Trainingsauftrag und stellen Sie ihn dann mithilfe eines Docker-Containers bereit.
• Beschreiben Sie Batch- und Online-Vorhersagen und die Modellüberwachung.
• 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.
• Erstellen Sie wiederholbare und skalierbare Trainings-, Evaluierungs- und Testdatensätze.
• Implementierung von ML-Modellen mit TensorFlow/Keras.
• Beschreiben Sie, wie man Merkmale darstellt und umwandelt.
• Verstehen Sie die Vorteile der Anwendung von Feature Engineering
• Erklären Sie Vertex AI Pipelines

Offizielle Google Cloud Unterlagen.

• Grundkenntnisse grundlegender Konzepte des maschinellen Lernens.
• Grundkenntnisse in einer Skriptsprache - Python bevorzugt.

• 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.