Aprendizaje automático en Google Cloud

Resumen

¿Qué es el aprendizaje automático y qué tipos de problemas puede resolver? ¿Cómo puedes construir, entrenar y desplegar modelos de aprendizaje automático a escala sin escribir una sola línea de código?

¿Cuándo deberías usar el aprendizaje automático automatizado o el entrenamiento personalizado? Este curso te enseña cómo construir modelos de Vertex AI AutoML sin escribir una sola línea de código; construir modelos de BigQuery ML con conocimientos básicos de SQL; crear trabajos de entrenamiento personalizados de Vertex AI que despliegues utilizando contenedores (con poco conocimiento de Docker); usar Feature Store para la gestión y gobernanza de datos; utilizar la ingeniería de características para mejorar modelos; determinar las opciones apropiadas de preprocesamiento de datos para tu caso de uso; usar el ajuste de hiperparámetros de Vertex Vizier para incorporar la mezcla adecuada de parámetros que produzca modelos precisos y generalizados y conocimiento de la teoría para resolver tipos específicos de problemas de ML, escribir modelos ML distribuidos que escalen en TensorFlow; y aprovechar las mejores prácticas para implementar el aprendizaje automático en Google Cloud. > Al inscribirte en esta especialización, aceptas los Términos de Servicio de Qwiklabs según lo establecido en las preguntas frecuentes y ubicado en:

https:

//qwiklabs.com/terms_of_service

Programa de estudio

• Introducción al Aprendizaje Automático
Visión general de los conceptos de aprendizaje automático
Tipos de problemas que el aprendizaje automático puede resolver
Introducción a los servicios de aprendizaje automático de Google Cloud
• Construcción de Modelos con Vertex AI AutoML
Visión general de Vertex AI AutoML
Pasos para construir modelos sin programación
Casos de uso y aplicaciones
• BigQuery ML y SQL
Introducción a BigQuery ML
Escritura de SQL para aprendizaje automático
Construcción y despliegue de modelos usando SQL
• Entrenamiento Personalizado con Vertex AI
Introducción al entrenamiento personalizado de Vertex AI
Creación y despliegue de trabajos de entrenamiento usando contenedores
Conceptos básicos de Docker para aprendizaje automático
• Almacén de Características para la Gestión de Datos
Introducción a Google Cloud Feature Store
Prácticas de gestión y gobierno de datos
Técnicas de ingeniería de características para la mejora de modelos
• Opciones de Preprocesamiento de Datos
Evaluación y elección de estrategias de preprocesamiento adecuadas
Escenarios y soluciones de preprocesamiento en el mundo real
• Ajuste de Hiperparámetros con Vertex Vizier
Visión general de Vertex Vizier
Importancia del ajuste de hiperparámetros
Métodos para mejorar la precisión y generalización del modelo
• Aprendizaje Automático Distribuido en TensorFlow
Introducción al entrenamiento distribuido con TensorFlow
Escritura de modelos de ML escalables en TensorFlow
Mejores prácticas para el aprendizaje automático distribuido
• Mejores Prácticas para Implementar ML en Google Cloud
Visión general de mejores prácticas
Consideraciones de seguridad, escalabilidad y eficiencia
Recursos para aprendizaje y soporte continuo
• Conclusión del Curso
Resumen de conceptos y herramientas clave
Proyecto final o aplicación de estudio de caso
Caminos de aprendizaje futuro en aprendizaje automático y Google Cloud
• Inscripción en Qwiklabs (Términos de Servicio)
Aceptación de términos
Acceso a laboratorios y ejercicios de práctica

---

Enseñado por

Google Cloud Training

---

Asignaturas

Programación