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