courseoutline_metadesc.tpl

Machine Learning on Google Cloud (MLGC) – Details

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