Szkolenia Google Cloud

Cel szkolenia

kod: G-MLGC | wersja: v4.0

This course introduces the artificial intelligence (AI) and machine learning (ML) offerings on Google Cloud that support the data-to-AI lifecycle through AI foundations, AI development, and AI solutions. It explores the technologies, products, and tools available to build an ML model, an ML pipeline, and a generative AI project. You learn how to build AutoML models without writing a single line of code; build BigQuery ML models using SQL, and build Vertex AI custom training jobs by using Keras and TensorFlow. You also explore data preprocessing techniques and feature engineering.

Course objectives

  • Describe the technologies, products, and tools to build an ML model, an ML pipeline, and a Generative AI project.
  • Understand when to use AutoML and BigQuery ML.
  • Create Vertex AI-managed datasets.
  • Add features to the Vertex AI Feature Store.
  • Describe Analytics Hub, Dataplex, and Data Catalog.
  • Describe how to improve model performance.
  • Create Vertex AI Workbench user-managed notebook, build a custom training job, and deploy it by using a Docker container.
  • Describe batch and online predictions and model monitoring.
  • Describe how to improve data quality and explore your data.
  • Build and train supervised learning models.
  • Optimize and evaluate models by using loss functions and performance metrics.
  • Create repeatable and scalable train, eval, and test datasets.
  • Implement ML models by using TensorFlow or Keras.
  • Understand the benefits of using feature engineering.
  • Explain Vertex AI Model Monitoring and Vertex AI Pipelines.

Audience

This class is primarily intended for the following participants:

  • Aspiring machine learning data analysts, data scientists, and data engineers
  • Learners who want exposure to ML and use Vertex AI, AutoML, BigQuery ML, Vertex AI Feature Store, Vertex AI Workbench, Dataflow, Vertex AI Vizier for hyperparameter tuning, and TensorFlow/Keras

Plan szkolenia Rozwiń listę

  • Introduction to AI and Machine Learning on Google Cloud
    • Recognize the AI/ML framework on Google Cloud.
    • Identify the major components of Google Cloud infrastructure.
    • Define the data and ML products on Google Cloud and how they support the data-to-AI lifecycle.
    • Build an ML model with BigQueryML to bring data to AI.
    • Define different options to build an ML model on Google Cloud.
    • Recognize the primary features and applicable situations of pre-trained APIs, AutoML, and custom training.
    • Use the Natural Language API to analyze text.
    • Define the workflow of building an ML model.
    • Describe MLOps and workflow automation on Google Cloud.
    • Build an ML model from end-to-end by using AutoML on Vertex AI.
    • Define generative AI and large language models.
    • Use generative AI capabilities in AI development.
    • Recognize the AI solutions and the embedded generative AI features.
  • Launching into Machine Learning
    • Describe how to improve data quality.
    • Perform exploratory data analysis.
    • Build and train supervised learning models.
    • Describe AutoML and how to build, train, and deploy an ML model without writing a single line of code.
    • Describe BigQuery ML and its benefits.
    • Optimize and evaluate models by using loss functions and performance metrics.
    • Mitigate common problems that arise in machine learning.
    • Create repeatable and scalable training, evaluation, and test datasets.
  • TensorFlow on Google Cloud
    • Create TensorFlow and Keras machine learning models.
    • Describe the TensorFlow main components.
    • Use the tf.data library to manipulate data and large datasets.
    • Build a ML model that uses tf.keras preprocessing layers.
    • Use the Keras Sequential and Functional APIs for simple and advanced model creation.
    • Train, deploy, and productionalize ML models at scale with the Vertex AI Training Service.
  • Feature Engineering
    • Describe Vertex AI Feature Store.
    • Compare the key required aspects of a good feature.
    • Use tf.keras.preprocessing utilities for working with image data, text data, and sequence data.
    • Perform feature engineering by using BigQuery ML, Keras, and TensorFlow.
  • Machine Learning in the Enterprise
    • Understand the tools required for data management and governance.
    • Describe the best approach for data preprocessing: From providing an overview of
    • Dataflow and Dataprep to using SQL for preprocessing tasks.
    • Explain how AutoML, BigQuery ML, and custom training differ and when to use a particular framework.
    • Describe hyperparameter tuning by using Vertex AI Vizier to improve model performance.
    • Explain prediction and model monitoring and how Vertex AI can be used to manage ML models.
    • Describe the benefits of Vertex AI Pipelines.
    • Describe best practices for model deployment and serving, model monitoring, Vertex AI Pipelines, and artifact organization.
Pobierz konspekt szkolenia w formacie PDF

Dodatkowe informacje

Wymagania wstępne

To get the most out of this course, participants should have:

  • Some familiarity with basic machine learning concepts
  • Basic proficiency with a scripting language, preferably Python
Poziom trudności
Czas trwania 5 dni
Certyfikat

The participants will obtain certificates signed by Google Cloud.
Prowadzący

Authorized Google Cloud Trainer.

Pozostałe szkolenia Google Cloud | AI and Machine Learning

Wszystkie szkolenia Google Cloud
Szkolenia powiązane tematycznie

Cloud

Infinity Specializations | Check Point

Cloud-Native (Kubernetes) | Component Soft

OpenStack | Component Soft

Cloud Essentials | CompTIA

Cloud+ | CompTIA

Google Business and Management | Google Cloud

Fundamentals Courses | Google Cloud

Cloud Infrastructure | Google Cloud

Networking and Security | Google Cloud

Application modernization | Google Cloud

Data Analysis | Google Cloud

Data Engineering | Google Cloud

Contact Center Engineer | Google Cloud

HPE Storage | HPE

Azure | Microsoft

Windows Server Technologies | Microsoft

Cloud Workshop | Microsoft

Microsoft AI | Microsoft

Data Platform | Microsoft

Security | Microsoft

Cloud Security | Mile2

Cloud | SCADEMY

Kubernetes | SUSE

Kubernetes | The Linux Foundation

E-learning | The Linux Foundation

Exam | The Linux Foundation

Bundle (e-learning + exam) | The Linux Foundation

Analiza danych

Cloudera Administrator | Cloudera

Cloudera Data Analyst | Cloudera

Cloudera Data Developer | Cloudera

Data+ | CompTIA

DataSys+ | CompTIA

Data Analysis | Google Cloud

Data Engineering | Google Cloud

Contact Center Engineer | Google Cloud

Power BI | Microsoft

Power Platform | Microsoft

Formularz kontaktowy

Prosimy o wypełnienie poniższego formularza, jeśli chcą Państwo uzyskać więcej informacji o powyższym szkoleniu.





* pola oznaczone (*) są wymagane

Informacje o przetwarzaniu danych przez Compendium – Centrum Edukacyjne Spółka z o.o.

CENA 9000 PLN NETTO

FORMA SZKOLENIA ?

 

MATERIAŁY SZKOLENIOWE ?

 

WYBIERZ TERMIN SZKOLENIA

  • szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
    • Informacje ogólne
    • Termin gwarantowany
    • Last minute (-10%)
    • Język obowiązujący na szkoleniu
    • Polski
Zarezerwuj termin szkolenia
zamknij

Szkolenie stacjonarne

Szkolenia stacjonarne w Compendium CE odbywają się najczęściej w naszych lokalizacjach w Krakowie i Warszawie, ale także w miejscu ustalonym przez klienta. Grupa uczestnicząca w szkoleniu spotyka się w danym miejscu o określonym czasie i wraz z trenerem aktywnie uczestniczy w laboratoriach.

Szkolenie dlearning

W szkoleniach Compendium Distance Learning możesz uczestniczyć z dowolnego miejsca na świecie. Kursanci, dzięki zaawansowanej technologii, którą dostarcza Compendium CE, stale widzą i słyszą trenera, mogą mu zadawać pytania poprzez chat i mikrofon, a także uczestniczą w ćwiczeniach i laboratoriach, które rozwiązują wraz z prowadzącym. Po więcej informacji zajrzyj na stronę dlearning.eu

zamknij

Materiały papierowe

Materiały tradycyjne: cena zawiera standardowe materiały wydawane w postaci książek papierowych, drukowanych lub innej, w zależności od ustaleń z producentem.

Materiały elektroniczne

Materiały elektroniczne: są to materiały szkoleniowe w wersji elektronicznej, które w zależności od dostawcy udostępniane są za pomocą dedykowanych aplikacji: Skillpipe, eVantage itd. lub w postaci dokumentów PDF.

Materiały ctab

Materiały ctab: cena zawiera tablet ctab oraz materiały szkoleniowe w formie elektronicznej bądź tradycyjne materiały szkoleniowe i materiały dodatkowe dostarczone w wersji elektronicznej w zależności od ustaleń z producentem (w postaci dokumentów PDF lub EPUB). Tak dostarczone materiały są przystosowane pod kątem wyświetlania ich na tablecie ctab. Po więcej informacji zajrzyj na stronę ctab.

Najbliższe szkolenia Google Cloud

  • 2025-12-08 | 3 dni | Kraków / Wirtualna sala

    Security in Google Cloud Platform
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-08 | 3 dni | Warszawa / Wirtualna sala

    From Data to Insights with Google Cloud Platform
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID last minute: -10%
  • 2025-12-10 | 3 dni | Warszawa / Virtual Classroom

    Application Development with Cloud Run
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-10 | 3 dni | Warszawa / Wirtualna sala

    Application Development with Cloud Run
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-11 | 1 dzień | Virtual Classroom

    Getting Started with Google Kubernetes Engine
  • 2025-12-11 | 2 dni | Warszawa / Virtual Classroom

    Architecting with Google Kubernetes Engine
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-11 | 2 dni | Warszawa / Wirtualna sala

    Architecting with Google Kubernetes Engine
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-12 | 1 dzień | Kraków / Wirtualna sala

    Introduction to Data Engineering on Google Cloud
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-12 | 1 dzień | Kraków / Wirtualna sala

    Preparing for the Professional Cloud Architect Examination
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
  • 2025-12-12 | 1 dzień | Kraków / Wirtualna sala

    Writing Effective Prompts for Generative AI
    szkolenie dostępne w wersji stacjonarnej we wskazanej lokalizacji lub w trybie zdalnym, w zależności od preferencji uczestnika: HYBRID
Harmonogram szkoleń
Google Cloud