Aprendizaje automático en Google Cloud

Resumen

What is machine learning, and what kinds of problems can it solve? How can you build, train, and deploy machine learning models at scale without writing a single line of code?

When should you use automated machine learning or custom training? This course teaches you how to build Vertex AI AutoML models without writing a single line of code; build BigQuery ML models knowing basic SQL; create Vertex AI custom training jobs you deploy using containers (with little knowledge of Docker); use Feature Store for data management and governance; use feature engineering for model improvement; determine the appropriate data preprocessing options for your use case; use Vertex Vizier hyperparameter tuning to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems, write distributed ML models that scale in TensorFlow; and leverage best practices to implement machine learning on Google Cloud. > By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at:

https:

//qwiklabs.com/terms_of_service

Programa

• 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

---

Impartido por

Google Cloud Training

---

Materias

Programming