Kurs
Digicomp Code SMARTA
Smart Analytics, Machine Learning, and AI on Google Cloud («SMARTA»)
Kurs-Facts
- Unterscheiden zwischen ML, AI und Deep Learning
- Diskutieren der Verwendung von ML-APIs für unstrukturierte Daten
- Ausführen von BigQuery-Befehlen aus Notebooks
- Erstellen von ML-Modellen mithilfe der SQL-Syntax in BigQuery
- Erstellen von ML-Modellen ohne Programmierung mithilfe von AutoML
Für wenig bis gar keine Anpassung behandelt dieser Kurs AutoML. Für individuellere Machine-Learning-Funktionen stellt dieser Kurs Notebooks und BigQuery Machine Learning (BigQuery ML) vor. Ausserdem behandelt dieser Kurs, wie Machine-Learning-Lösungen mithilfe von Vertex AI in die Produktion gebracht werden können.
1 Einführung in Analytik und AI
- Was ist AI?
- Von der Ad-hoc-Datenanalyse zu datengestützten Entscheidungen
- Optionen für ML-Modelle auf Google Cloud
- Beschreiben Sie die Beziehung zwischen ML, AI und Deep Learning
- Identifizieren Sie ML-Optionen auf Google Cloud
2 Vorgefertigte ML-Modell-APIs für unstrukturierte Daten
- Die Schwierigkeiten unstrukturierter Daten
- ML-APIs zur Anreicherung von Daten
- Diskutieren Sie die Herausforderungen bei der Arbeit mit unstrukturierten Daten
- Identifizieren Sie einsatzbereite ML-APIs für unstrukturierte Daten
3 Big-Data-Analysen mit Notebooks
- Notebooks definieren
- Die Magie von BigQuery und Verbindungen zu Pandas
- Notebooks als Tool für das Prototyping von ML-Lösungen vorstellen
- BigQuery-Befehle aus Notebooks ausführen
4 ML-Pipelines in der Produktion
- Möglichkeiten für ML auf Google Cloud
- Vertex AI Pipelines
- TensorFlow Hub
- Verfügbare Optionen für die Erstellung benutzerdefinierter ML-Modelle beschreiben
- Beschreiben Sie die Verwendung von Tools wie Vertex AI und TensorFlow Hub
5 Erstellen benutzerdefinierter Modelle mit SQL in BigQuery ML
- BigQuery ML für die schnelle Modellerstellung
- Unterstützte Modelle
- Erstellen Sie ML-Modelle mithilfe der SQL-Syntax in BigQuery
- Demonstrieren Sie die Erstellung verschiedener Arten von ML-Modellen mithilfe von BigQuery ML
6 Erstellen benutzerdefinierter Modelle mit AutoML
- Warum AutoML verwenden?
- AutoML Vision
- AutoML NLP
- AutoML Tables
- Entdecken Sie verschiedene AutoML-Produkte, die im maschinellen Lernen verwendet werden
- Identifizieren Sie einsatzbereite ML-APIs für unstrukturierte Daten
Data Engineers
Teilnehmende sollten den Kurs Google Cloud Big Data and Machine Learning Fundamentals absolviert haben oder über gleichwertige Erfahrungen verfügen.
Produkte
- Cloud Natural Language API
- Vertex AI
- Vertex AI Pipelines
- AI Platform
- BigQuery ML
- AutoML