1 Tag EN / DE Max 16

Vertex Forecasting und Time Series in der Praxis

Dieser Kurs ist eine Einführung in die Entwicklung von Prognoselösungen mit Google Cloud. Sie beginnen mit Sequenzmodellen und den Grundlagen von Zeitreihen. Anschließend durchlaufen Sie einen End-to-End-Workflow: von der Datenvorbereitung bis zur Modellentwicklung und -bereitstellung mit Vertex AI. Schließlich lernen Sie die Lektionen und Tipps aus einem Einzelhandels-Anwendungsfall und wenden das Wissen an, indem Sie Ihre eigenen Prognosemodelle erstellen.

€920,00 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

Sie verfügen über eine oder mehrere der folgenden Qualifikationen:

  • Grundkenntnisse der Python-Syntax
  • Grundlegendes Verständnis von Machine-Learning-Modellen
  • Vorkenntnisse im Aufbau von Machine-Learning-Lösungen in Google Cloud

Was Sie lernen werden

  • Die Hauptkonzepte und Anwendungen eines Sequenzmodells, von Zeitreihen und Prognosen verstehen.
  • Die Optionen zur Entwicklung eines Prognosemodells in Google Cloud identifizieren.
  • Den Workflow zur Entwicklung eines Prognosemodells mit Vertex AI beschreiben.
  • Daten (einschließlich Erfassung und Feature Engineering) mithilfe von BigQuery und verwalteten Vertex-Datensätzen vorbereiten.
  • Ein Prognosemodell trainieren und die Leistung mithilfe von AutoML bewerten.
  • Ein Prognosemodell mithilfe von Vertex AI Pipelines bereitstellen und überwachen.
  • Eine End-to-End-Prognoselösung unter Verwendung eines Einzelhandelsdatensatzes erstellen.

Kursablauf
Dieses Modul behandelt die Gründe für die Erstellung einer Prognoselösung in Google Cloud und stellt die Lernziele vor.
Dieses Modul vermittelt eine theoretische Grundlage für Arten von Sequenzmodellen, Zeitreihenmustern und -analysen sowie Prognosenotationen.
Dieses Modul stellt zwei wichtige Optionen zum Erstellen einer Prognoselösung in Google Cloud vor: BigQuery ML und Vertex AI Forecast (AutoML). Außerdem werden die einzigartigen Funktionen von Vertex AI Forecast untersucht und ein End-to-End-Workflow mit AutoML erkundet.
Dieses Modul befasst sich mit der Transformation von Originaldaten in die von Vertex AI unterstützten Datentypen und Formate. Außerdem werden die verschiedenen Arten von Merkmalen in Zeitreihen und die Best Practices für die Datenaufnahme vorgestellt.
Dieses Modul führt die Lernenden durch das Modelltraining und demonstriert ihnen Konfigurationsdetails wie die Einrichtung des Kontextfensters, des Prognosehorizonts und des Optimierungsziels.
Dieses Modul beschreibt die Aufteilung der Trainingsdaten, demonstriert die Bewertungsmetriken und empfiehlt Ansätze zur Verbesserung der Modellleistung.
Dieses Modul demonstriert die Modellvorhersage, insbesondere die Batch-Vorhersage mit Vertex AI Forecast. Es untersucht auch Machine Learning Operations (MLOps) und den Übergang von der Entwicklung zur Produktion.
Dieses Modul beschreibt die Modelldrift und den Ansatz des Modell-Retrainings. Es demonstriert auch die Automatisierung des Prognose-Workflows mithilfe von Vertex AI Pipelines.
Dieses Modul beschreibt einen Anwendungsfall zum Erstellen einer Prognoselösung mit Vertex AI Forecast in einem Einzelhandelsgeschäft. Es demonstriert die Schritte und Überlegungen, führt durch eine Pilotstudie mit zwei verschiedenen Datensätzen und diskutiert die Herausforderungen und Lehren.
Dieses Modul behandelt die Hauptmerkmale von Vertex AI Forecast und fasst die wichtigsten Themen jedes Moduls zusammen.
Vertex Forecasting und Time Series in der Praxis