Contents
學習 Google Cloud 的 ML( Machine Learning，機器學習)，真實世界的端到端( end-to-end ) ML 實驗。
關於此課程
>>> 通過註冊此專業課程，你同意 FAQ 所列的 Qwiklabs 服務條款 : https://qwiklabs.com/terms_of_service <<<
- 什麼是機器學習，它可以解決哪些問題？
- 將候選用例轉換為機器學習驅動的五個階段是什麼？
- 為什麼不跳過階段這一點很重要？
- 為什麼神經網路現在如此受歡迎？
- 你如何設定有監督的學習問題，並使用梯度下降和建立資料集的深思熟慮的方法找到一個好的，可推廣的解決方案？
- 學習如何編寫可在 Tensorflow 中擴充的分散式機器學習模型，擴充這些模型的培訓。並提供高效能預測。
- 將原始資料轉換為特徵，使 ML 能夠從資料中學習重要特徵，並使人類的洞察力能夠解決問題。
- 最後，學習如何合併正確的參數組合，以產生準確的，通用的模型和理論知識，以解決特定型別的 ML 問題。
- 你將嘗試使用端到端 ML，從建構以 ML 為中心的戰略開始，並使用 Google 雲端平臺通過動手實驗進行模型培訓、優化和生產。
製作方
第 1 門課程 Google 如何進行機器學習
你將學到 :
- 描述 Vertex AI Platform 以及如何使用它快速建置、訓練和部署 AutoML 機器學習模型，而無需編寫任何程式碼
- 描述在 Google Cloud 上實施機器學習的最佳實踐
- 利用 Google Cloud 工具和環境進行機器學習
- 闡明負責任的人工智慧最佳實踐
第 2 門課程 啟動機器學習
你將學到 :
- 描述如何提高資料品質並執行探索性資料分析
- 使用 Vertex AI 和 BigQuery ML 建立和訓練 AutoML 模型
- 使用損失函數和性能指標優化和評估模型
- 建立可重複且可擴展的訓練、評估和測試資料集
你將獲得的技能
| Application Programming Interfaces (API) | Inclusive ML | 機器學習 |
| 谷歌雲端平台 | Bigquery |
第 3 門課程 Google Cloud 的 TensorFlow
你將學到 :
- 建立 TensorFlow 和 Keras 機器學習模型並描述其關鍵元件。
- 使用 tf.data 函式庫來操作資料和大型資料集。
- 使用 Keras Sequential 和 Function API 進行簡單和進階的模型建立。
- 使用 Vertex AI 大規模訓練、部署和生產 ML 模型。
你將獲得的技能
| Tensorflow | 機器學習 | 雲端運算 |
第 4 門課程 特徵工程
你將學到 :
- 描述 Vertex AI Feature Store 並比較優秀功能所需的關鍵面向。
- 使用 BigQuery ML、Keras 和 TensorFlow 執行特徵工程。
- 討論如何使用 Dataflow 和 Dataprep 預處理和探索功能。
- 使用 tf.Transform。
你將獲得的技能
| 機器學習 | Python程式設計 | 建構輸入資料管道 |
| Tensorflow | keras |
第 5 門課程 企業中的機器學習
你將學到 :
- 描述資料管理、治理和預處理選項
- 確定何時使用 Vertex AutoML、BigQuery ML 和自訂訓練
- 實作 Vertex Vizier 超參數調整
- 解釋如何使用 Vertex AI 建立大量和線上預測、設定模型監控以及建立管道
你將獲得的技能
| Tensorflow | Bigquery | 機器學習 |
| 資料清理 |
到官方網站了解本課程與上課
發表迴響