Machine Learning on Google Cloud
Seminar / Firmentraining
- 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.
- Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.
- Grundkenntnisse in einer Skriptsprache - Python bevorzugt.
- 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
