Machine Learning on Google Cloud

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