Szkolenia Google Cloud

Cel szkolenia szkolenie zdalne - dlearning

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

VMware | HPE

VMware Horizon | HPE

HPE Converged Systems | 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

Fundamentals Courses | Google Cloud

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

Harmonogram szkoleń
Google Cloud