-
In this course, you will learn how to implement powerful machine learning solutions in Google Cloud—without in-depth programming knowledge. You will learn how to create AutoML models with Vertex AI without writing code and how to develop BigQuery ML models using basic SQL skills. You'll also learn how to create and deploy custom training jobs in Vertex AI using containers and minimal Docker knowledge.
Discover how the feature store simplifies data management and governance, how feature engineering improves model performance, and which data preprocessing options are suitable for your specific use case. You'll also learn how to develop and scale distributed ML models in TensorFlow and how to apply best practices for machine learning projects in Google Cloud. -
Course Contents
-
- Introduction to AI and Machine Learning on Google Cloud
- Launching into Machine Learning
- TensorFlow in Google Cloud
- Feature Engineering
- Machine Learning in the Enterprise
In this course, you will learn the following skills:
- Use Vertex AI AutoML to create, train, and deploy a machine learning model without writing a single line of code.
- Understand when to use AutoML and Big Query ML.
- Create Vertex AI-managed datasets.
- Add features to a feature store.
- Describe Analytics Hub, Dataplex, and Data Catalog.
- Describe hyperparameter tuning with Vertex Vizier and how it can be used to improve model performance.
- Create a user-managed Vertex AI Workbench notebook, create a custom training job, and then deploy it using a Docker container.
- Describe batch and online predictions and model monitoring.
- Describe how to improve data quality.
- Perform exploratory data analysis.
- Create and train supervised learning models.
- Optimize and evaluate models using loss functions and performance metrics.
- Create repeatable and scalable training, evaluation, and test datasets.
- Implement ML models with TensorFlow/Keras.
- Describe how to represent and transform features.
- Understand the benefits of applying feature engineering.
- Explain Vertex AI pipelines.
Official Google Cloud documentation.
-
Target Group
-
- Aspiring data scientists and machine learning engineers.
- Learners who want to learn ML with Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier for hyperparameter tuning, TensorFlow/Keras.
-
Knowledge Prerequisites
-
- Basic knowledge of basic machine learning concepts.
- Basic knowledge of a scripting language - Python preferred.
| Wie Google maschinelles Lernen betreibt |
| Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben. |
| Beschreiben Sie bewährte Verfahren für die Implementierung von maschinellem Lernen in der Google Cloud. |
| Entwicklung einer Datenstrategie für maschinelles Lernen |
| Untersuchen Sie Anwendungsfälle, die dann durch eine ML-Linse neu konzipiert werden |
| Nutzen Sie die Tools und die Umgebung der Google Cloud Platform für ML |
| Einstieg in das maschinelle Lernen |
| Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen können, ohne eine einzige Zeile Code zu schreiben. |
| Beschreiben Sie Big Query ML und seine Vorteile. |
| Beschreiben Sie, wie Sie die Datenqualität verbessern können. |
| Führen Sie eine explorative Datenanalyse durch. |
| Erstellen und trainieren Sie überwachte Lernmodelle. |
| Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken. |
| Entschärfen Sie häufige Probleme, die beim maschinellen Lernen auftreten. |
| Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatensätze. |
| TensorFlow in der Google Cloud |
| Erstellen Sie TensorFlow und Keras Modelle für maschinelles Lernen. |
| Beschreiben Sie die Schlüsselkomponenten von TensorFlow. |
| Verwenden Sie die tf.data-Bibliothek zur Bearbeitung von Daten und großen Datensätzen. |
| Erstellen Sie ein ML-Modell mit tf.keras-Vorverarbeitungsschichten. |
| Verwenden Sie die Keras Sequential und Functional APIs für die einfache und erweiterte Modellerstellung. Verstehen Sie, wie Modell-Subklassifizierung für individuellere Modelle verwendet werden kann. |
| Funktionsentwicklung |
| Beschreiben Sie den Vertex AI Feature Store. |
| Vergleichen Sie die wichtigsten erforderlichen Aspekte eines guten Features. |
| Kombinieren und erstellen Sie neue Feature-Kombinationen durch Feature-Kreuzungen. |
| Führen Sie Feature Engineering mit BQML, Keras und TensorFlow durch. |
| Verstehen Sie, wie Sie Funktionen mit Cloud Dataflow und Cloud Dataprep vorverarbeiten und untersuchen können. |
| Verstehen und anwenden, wie TensorFlow Features transformiert. |
| Maschinelles Lernen im Unternehmen |
| Die für Datenmanagement und -verwaltung erforderlichen Tools verstehen |
| Beschreiben Sie den besten Ansatz für die Datenvorverarbeitung - von einem Überblick über DataFlow und DataPrep bis zur Verwendung von SQL für Vorverarbeitungsaufgaben. |
| Erklären Sie, wie sich AutoML, BQML und benutzerdefinierte Schulungen unterscheiden und wann ein bestimmtes Framework verwendet werden sollte. |
| Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann. |
| Erklären Sie Vorhersage und Modellüberwachung und wie Vertex AI zur Verwaltung von ML-Modellen eingesetzt werden kann. |
| Beschreiben Sie die Vorteile von Vertex AI Pipelines |
-
Classroom training
- Do you prefer the classic training method? A course in one of our Training Centers, with a competent trainer and the direct exchange between all course participants? Then you should book one of our classroom training dates!
-
Online training
- You wish to attend a course in online mode? We offer you online course dates for this course topic. To attend these seminars, you need to have a PC with Internet access (minimum data rate 1Mbps), a headset when working via VoIP and optionally a camera. For further information and technical recommendations, please refer to.
-
Tailor-made courses
-
You need a special course for your team? In addition to our standard offer, we will also support you in creating your customized courses, which precisely meet your individual demands. We will be glad to consult you and create an individual offer for you.
You can find the complete description of this course with dates and prices ready for download at as PDF.-
In this course, you will learn how to implement powerful machine learning solutions in Google Cloud—without in-depth programming knowledge. You will learn how to create AutoML models with Vertex AI without writing code and how to develop BigQuery ML models using basic SQL skills. You'll also learn how to create and deploy custom training jobs in Vertex AI using containers and minimal Docker knowledge.
Discover how the feature store simplifies data management and governance, how feature engineering improves model performance, and which data preprocessing options are suitable for your specific use case. You'll also learn how to develop and scale distributed ML models in TensorFlow and how to apply best practices for machine learning projects in Google Cloud. -
Course Contents
-
- Introduction to AI and Machine Learning on Google Cloud
- Launching into Machine Learning
- TensorFlow in Google Cloud
- Feature Engineering
- Machine Learning in the Enterprise
In this course, you will learn the following skills:
- Use Vertex AI AutoML to create, train, and deploy a machine learning model without writing a single line of code.
- Understand when to use AutoML and Big Query ML.
- Create Vertex AI-managed datasets.
- Add features to a feature store.
- Describe Analytics Hub, Dataplex, and Data Catalog.
- Describe hyperparameter tuning with Vertex Vizier and how it can be used to improve model performance.
- Create a user-managed Vertex AI Workbench notebook, create a custom training job, and then deploy it using a Docker container.
- Describe batch and online predictions and model monitoring.
- Describe how to improve data quality.
- Perform exploratory data analysis.
- Create and train supervised learning models.
- Optimize and evaluate models using loss functions and performance metrics.
- Create repeatable and scalable training, evaluation, and test datasets.
- Implement ML models with TensorFlow/Keras.
- Describe how to represent and transform features.
- Understand the benefits of applying feature engineering.
- Explain Vertex AI pipelines.
Official Google Cloud documentation.
-
Target Group
-
- Aspiring data scientists and machine learning engineers.
- Learners who want to learn ML with Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier for hyperparameter tuning, TensorFlow/Keras.
-
Knowledge Prerequisites
-
- Basic knowledge of basic machine learning concepts.
- Basic knowledge of a scripting language - Python preferred.
| Wie Google maschinelles Lernen betreibt |
| Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben. |
| Beschreiben Sie bewährte Verfahren für die Implementierung von maschinellem Lernen in der Google Cloud. |
| Entwicklung einer Datenstrategie für maschinelles Lernen |
| Untersuchen Sie Anwendungsfälle, die dann durch eine ML-Linse neu konzipiert werden |
| Nutzen Sie die Tools und die Umgebung der Google Cloud Platform für ML |
| Einstieg in das maschinelle Lernen |
| Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen können, ohne eine einzige Zeile Code zu schreiben. |
| Beschreiben Sie Big Query ML und seine Vorteile. |
| Beschreiben Sie, wie Sie die Datenqualität verbessern können. |
| Führen Sie eine explorative Datenanalyse durch. |
| Erstellen und trainieren Sie überwachte Lernmodelle. |
| Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken. |
| Entschärfen Sie häufige Probleme, die beim maschinellen Lernen auftreten. |
| Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatensätze. |
| TensorFlow in der Google Cloud |
| Erstellen Sie TensorFlow und Keras Modelle für maschinelles Lernen. |
| Beschreiben Sie die Schlüsselkomponenten von TensorFlow. |
| Verwenden Sie die tf.data-Bibliothek zur Bearbeitung von Daten und großen Datensätzen. |
| Erstellen Sie ein ML-Modell mit tf.keras-Vorverarbeitungsschichten. |
| Verwenden Sie die Keras Sequential und Functional APIs für die einfache und erweiterte Modellerstellung. Verstehen Sie, wie Modell-Subklassifizierung für individuellere Modelle verwendet werden kann. |
| Funktionsentwicklung |
| Beschreiben Sie den Vertex AI Feature Store. |
| Vergleichen Sie die wichtigsten erforderlichen Aspekte eines guten Features. |
| Kombinieren und erstellen Sie neue Feature-Kombinationen durch Feature-Kreuzungen. |
| Führen Sie Feature Engineering mit BQML, Keras und TensorFlow durch. |
| Verstehen Sie, wie Sie Funktionen mit Cloud Dataflow und Cloud Dataprep vorverarbeiten und untersuchen können. |
| Verstehen und anwenden, wie TensorFlow Features transformiert. |
| Maschinelles Lernen im Unternehmen |
| Die für Datenmanagement und -verwaltung erforderlichen Tools verstehen |
| Beschreiben Sie den besten Ansatz für die Datenvorverarbeitung - von einem Überblick über DataFlow und DataPrep bis zur Verwendung von SQL für Vorverarbeitungsaufgaben. |
| Erklären Sie, wie sich AutoML, BQML und benutzerdefinierte Schulungen unterscheiden und wann ein bestimmtes Framework verwendet werden sollte. |
| Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann. |
| Erklären Sie Vorhersage und Modellüberwachung und wie Vertex AI zur Verwaltung von ML-Modellen eingesetzt werden kann. |
| Beschreiben Sie die Vorteile von Vertex AI Pipelines |
-
Classroom training
- Do you prefer the classic training method? A course in one of our Training Centers, with a competent trainer and the direct exchange between all course participants? Then you should book one of our classroom training dates!
-
Online training
- You wish to attend a course in online mode? We offer you online course dates for this course topic. To attend these seminars, you need to have a PC with Internet access (minimum data rate 1Mbps), a headset when working via VoIP and optionally a camera. For further information and technical recommendations, please refer to.
-
Tailor-made courses
-
You need a special course for your team? In addition to our standard offer, we will also support you in creating your customized courses, which precisely meet your individual demands. We will be glad to consult you and create an individual offer for you.
You can find the complete description of this course with dates and prices ready for download at as PDF.