5 Tage EN / DE Max 16

Machine Learning in der Google Cloud

Dieser Kurs führt in die Angebote für künstliche Intelligenz (KI) und maschinelles Lernen (ML) auf Google Cloud ein, die den Daten-zu-KI-Lebenszyklus durch KI-Grundlagen, KI-Entwicklung und KI-Lösungen unterstützen. Er befasst sich mit den Technologien, Produkten und Tools, die zum Aufbau eines ML-Modells, einer ML-Pipeline und eines generativen KI-Projekts zur Verfügung stehen. Sie lernen, wie Sie AutoML-Modelle ohne eine einzige Codezeile erstellen, BigQuery ML-Modelle mit SQL erstellen und benutzerdefinierte Vertex AI-Trainingsjobs mit Keras und TensorFlow erstellen. Sie lernen auch Techniken zur Datenvorverarbeitung und Feature Engineering kennen. 

€3.100,00 exkl. MwSt

Individuelle Terminplanung

Die Kurse finden als dedizierte Gruppen-Sessions statt. Nach Ihrer Buchung koordinieren wir einen Termin, der zu Ihrem Team passt.

Voraussetzungen

  • Grundkenntnisse in grundlegenden Machine-Learning-Konzepten.
  • Grundlegende Kenntnisse einer Skriptsprache, vorzugsweise Python.

Was Sie lernen werden

  • Beschreiben Sie die Technologien, Produkte und Tools zum Erstellen eines ML-Modells, einer ML-Pipeline und eines generativen KI-Projekts.
  • Verstehen Sie, wann AutoML und BigQuery ML verwendet werden sollen.
  • Erstellen Sie von Vertex AI verwaltete Datensätze und fügen Sie Funktionen zum Vertex AI Feature Store hinzu.
  • Beschreiben Sie Analytics Hub, Dataplex und Data Catalog.
  • Erstellen Sie von Vertex AI Workbench verwaltete Notebooks und entwickeln Sie benutzerdefinierte Trainingsaufträge, die über Docker-Container bereitgestellt werden.
  • Beschreiben Sie Batch- und Online-Vorhersagen, Modellüberwachung und die Untersuchung der Datenqualität.
  • Erstellen und trainieren Sie überwachte Lernmodelle und optimieren Sie diese mithilfe von Verlustfunktionen und Leistungsmetriken.
  • Erstellen Sie wiederholbare und skalierbare Trainings-, Evaluierungs- und Testdatensätze.
  • Implementieren Sie ML-Modelle mit TensorFlow oder Keras.
  • Erläutern Sie Vertex AI Model Monitoring und Vertex AI Pipelines.

Kursablauf
AI/ML framework on Google Cloud Major components of Google Cloud infrastructure Data and ML products supporting the data-to-AI lifecycle Building ML models with BigQuery ML Options to build ML models on Google Cloud (Pre-trained APIs, AutoML, custom training) Natural Language API for text analysis MLOps and workflow automation End-to-end AutoML models on Vertex AI Generative AI and Large Language Models (LLMs)
Improving data quality and exploratory data analysis Building and training supervised learning models AutoML training and deployment BigQuery ML benefits Optimization and evaluation using loss functions and performance metrics Repeatable and scalable training, evaluation, and test datasets
Creating TensorFlow and Keras machine learning models TensorFlow main components and the tf.data library tf.keras preprocessing layers Keras Sequential and Functional APIs Training and productionalizing models with Vertex AI Training Service
Vertex AI Feature Store Characteristics of a good feature tf.keras.preprocessing for image, text, and sequence data Feature engineering with BigQuery ML, Keras, and TensorFlow
Data management and governance tools Data preprocessing with Dataflow, Dataprep, and SQL Framework selection: AutoML vs. BigQuery ML vs. Custom training Hyperparameter tuning with Vertex AI Vizier Prediction and model monitoring with Vertex AI Benefits of Vertex AI Pipelines Best practices for model deployment, serving, and artifact organization
Machine Learning in der Google Cloud