Preparing for Professional Machine Learning Engineer (GCPMLE) – Details
Detaillierter Kursinhalt
Modul 01 Architektur von Low-Code-KI-Lösungen
Themen
Ira muss Kundensegmente mithilfe von BigQuery und einem Clustering-Modell verstehen.
Sasha muss den Kundenwert mithilfe des Kundendatensatzes von AutoML Cymbal Retail vorhersagen.
Taylor muss mit Hilfe von Vertex AI Agent Builder und Retrieval-Augmented Generation (RAG) einen KI-Assistenten für die Konversation mit Kunden entwickeln
Diagnostische Fragen
Überprüfung und Planung von Studien
Zielsetzungen
Geben Sie Ihren Kenntnisstand bei der Entwicklung und Implementierung von BigQuery ML- und AutoML-Lösungen für maschinelles Lernen an.
Bestimmen Sie die erforderlichen Fähigkeiten zur Auswahl geeigneter ML-APIs, zur effektiven Datenaufbereitung und zur Erstellung benutzerdefinierter Modelle mit AutoML.
Aktivitäten
Lesen
Diagnostische Fragen
Quiz
Modul 02 Zusammenarbeit in und zwischen Teams zur Verwaltung von Daten und Modellen
Themen
Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um ein Modell zu entwickeln, das vorhersagt, welche hochwertigen Kunden wahrscheinlich nicht mehr kaufen werden (auch bekannt als Kundenabwanderung).
Beantworten Sie diagnostische Fragen.
Prüfen Sie die Informationen und planen Sie Ihr Studium.
Zielsetzungen
Bestimmen Sie Ihren Kenntnisstand bei der Erkundung, Vorverarbeitung und Verwaltung von unternehmensweiten Daten.
Ermitteln Sie Ihren Kenntnisstand in Bezug auf die Auswirkungen auf die Privatsphäre und die Nutzung von Tools wie Vertex AI Feature Store.
Bestimmen Sie die Fähigkeiten, die erforderlich sind, um Modelle mit Jupyter-Notebooks auf Google Cloud zu prototypisieren.
Bestimmen Sie die Fähigkeiten, die für die Auswahl geeigneter Backends, die Implementierung bewährter Sicherheitsverfahren und die Integration mit Code-Repositories erforderlich sind.
Aktivitäten
Lesen
Diagnostische Fragen
Quiz
Modul 03 Skalierung von Prototypen zu ML-Modellen
Themen
Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um einen Prototyp zur Kundenabwanderung zu erstellen und in ein produktionsreifes Modell zu überführen.
Beantworten Sie diagnostische Fragen.
Prüfen Sie die Informationen und planen Sie Ihr Studium.
Zielsetzungen
Ermittlung des Kenntnisstandes bei der Skalierung von ML-Prototypen in produktionsreife Modelle
Identifizieren Sie Ihren Kenntnisstand bei der Auswahl geeigneter ML-Frameworks, Modellarchitekturen und Modellierungstechniken auf der Grundlage der Anforderungen an die Interpretierbarkeit.
Bestimmen Sie die Fähigkeiten, die zum effektiven Trainieren von Modellen erforderlich sind, einschliesslich des Organisierens und Aufnehmens von Trainingsdaten in Google Cloud.
Bestimmen Sie die Fähigkeiten, die erforderlich sind, um verteilte Trainingstechniken zu nutzen, Hyperparameter abzustimmen und Fehler im Training zu beheben.
Aktivitäten
Lesen
Diagnostische Fragen
Quiz
Modul 04 Bedienung von ML-Modellen
Themen
Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um ein Kundenabwanderungsmodell bereitzustellen und es in der Produktion für Inferenzen zu verwenden.
Beantworten Sie diagnostische Fragen.
Prüfen Sie die Informationen und planen Sie Ihr Studium.
Zielsetzungen
Ermittlung des Wissensstands, der erforderlich ist, um Modelle in der Produktion effektiv zu bedienen.
Identifizieren Sie den erforderlichen Kenntnisstand, um zwischen Batch- und Online-Inferenz zu wählen, verschiedene Serving-Frameworks zu verwenden, eine Modellregistrierung zu organisieren und A/B-Tests zur Modelloptimierung durchzuführen.
Bestimmen Sie die Fähigkeiten, die für die Skalierung der Online-Modellbereitstellung erforderlich sind, einschliesslich der Nutzung des Vertex AI Feature Store.
Ermitteln Sie die erforderlichen Fähigkeiten für die Verwaltung öffentlicher und privater Endpunkte, die Auswahl geeigneter Hardware, die Optimierung von Serving-Backends für den Durchsatz und die Feinabstimmung von Modellen für eine optimale Leistung in der Produktion.
Aktivitäten
Lesen
Diagnostische Fragen
Quiz
Modul 05 Automatisieren und Orchestrieren von ML-Pipelines
Themen
Nutzen Sie die Produkte von Google Cloud zur Orchestrierung der gesamten Pipeline für maschinelles Lernen, um eine nahtlose Ausführung und kontinuierliche Verbesserungen bei der Kundenabwanderung zu erreichen.
Beantworten Sie diagnostische Fragen.
Prüfen Sie die Informationen und planen Sie Ihr Studium.
Zielsetzungen
Ermitteln Sie den Wissensstand, der für die Entwicklung und Wartung von End-to-End-ML-Pipelines erforderlich ist.
Identifizieren Sie den Wissensstand, der für die Validierung von Daten und Modell, konsistente Vorverarbeitung, Hosting-Optionen, Identifizierung von Komponenten, Parametrisierung, Auslösemechanismen, Rechenanforderungen und Orchestrierungsstrategien erforderlich ist.
Bestimmen Sie die Fähigkeiten, die für die Automatisierung der Modellumschulung erforderlich sind, einschliesslich der Festlegung von Umschulungsrichtlinien.
Bestimmen Sie die Fähigkeiten, die für die Implementierung der CI/CD-Modellbereitstellung und die Verfolgung und Prüfung von Metadaten (Modellartefakte, Versionen, Datenabfolge) erforderlich sind.
Aktivitäten
Lesen
Diagnostische Fragen
Quiz
Modul 06 Überwachung von ML-Lösungen
Themen
Verwenden Sie die Produkte von Google Cloud, um sicherzustellen, dass das Kundenabwanderungsmodell stabil und zuverlässig bleibt und mit den Grundsätzen der verantwortungsvollen KI von Google übereinstimmt.
Beantworten Sie diagnostische Fragen.
Prüfen Sie die Informationen und planen Sie Ihr Studium.
Zielsetzungen
Ermittlung des Wissensstandes, der zur Bewertung und Minderung von Risiken bei ML-Lösungen erforderlich ist.
Ermitteln Sie den Wissensstand, der für den Aufbau sicherer ML-Systeme erforderlich ist, richten Sie sich an verantwortungsvollen KI-Praktiken aus, bewerten Sie die Bereitschaft der Lösung und nutzen Sie die Erklärbarkeit von Modellen auf Vertex AI.
Bestimmen Sie die Fähigkeiten, die zur Überwachung, Prüfung und Fehlerbehebung von ML-Lösungen erforderlich sind.
Bestimmen Sie die Fähigkeiten, die erforderlich sind, um kontinuierliche Evaluierungsmetriken zu erstellen, die Verzerrung von Trainingsdaten und die Abweichung von Merkmalen zu überwachen, die Modellleistung mit Baselines zu vergleichen und häufige Trainings- und Servingfehler zu untersuchen.
Aktivitäten
Lesen
Diagnostische Fragen
Quiz
Modul 07 Ihre nächsten Schritte
Themen
Ein Muster-Lernplan für die Prüfung
Wie man sich für die Prüfung anmeldet
Zielsetzungen
Überprüfung eines Beispielstudienplans für die Prüfung
Erfahren Sie, wie Sie sich für die Prüfung anmelden können
Aktivitäten
Erstellen Sie Ihren Lernplan für die Prüfung
Legen Sie einen Termin für die Prüfung fest, der Ihrem Plan entspricht
