Google Cloud Big Data and Machine Learning Fundamentals (GC-GCBDMLF)
Tento kurz představuje produkty a služby Google Cloud pro velká data a strojové učení, které podporují životní cyklus od dat k umělé inteligenci. Zkoumá procesy, výzvy a přínosy budování datového pipeline pro velká data a modelů strojového učení pomocí Vertex AI na Google Cloud
Školení bude realizováno ve spolupráci se společností PUE jako autorizovaným školicím partnerem Google Cloud
Co se naučíte
- Rozpoznat životní cyklus od dat k umělé inteligenci na Google Cloud a hlavní produkty pro velká data a strojové učení.
- Navrhovat streamingové pipeline pomocí Dataflow a Pub/Sub.
- Analyzovat velká data ve velkém měřítku pomocí BigQuery.
- Identifikovat různé možnosti budování řešení strojového učení na Google Cloud.
- Popsat workflow strojového učení a klíčové kroky pomocí Vertex AI.
- Sestavit pipeline strojového učení pomocí AutoML.
Cílová skupina
- Datoví analytici, datoví vědci a obchodní analytici, kteří začínají pracovat s Google Cloud
- Osoby odpovědné za návrh pipeline a architektur pro zpracování dat, vytváření a údržbu modelů strojového učení a statistických modelů, dotazování datových sad, vizualizaci výsledků dotazů a tvorbu reportů
- Vedoucí pracovníci a osoby s rozhodovací pravomocí v oblasti IT, kteří hodnotí Google Cloud pro využití datovými vědci
Předpoklady
Základní znalost jedné nebo více z následujících oblastí:
- Dotazovací jazyk pro databáze, například SQL
- Workflow datového inženýrství od extrakce, transformace a načítání dat po analýzu, modelování a nasazení
- Modely strojového učení, například modely s učením s učitelem versus bez učitele
Produkty
BigQuery, BigQuery ML, Dataflow, Pub/Sub, Apache Beam, Looker, Data Studio, Vertex AI, AutoML, Vertex Workbench, Document AI, Contact Center AI (CCAI), TPU (Tensor Processing Unit), Kubernetes Engine, Compute Engine
Moduly kurzu
Modul 0: Úvod do kurzu
Tato část uvítá účastníky v kurzu Základy velkých dat a strojového učení a poskytne přehled struktury a cílů kurzu.
- Rozpoznat životní cyklus od dat k umělé inteligenci na Google Cloud
- Identifikovat propojení mezi datovým inženýrstvím a strojovým učením
Modul 1: Velká data a strojové učení na Google Cloud
Tato část zkoumá klíčové komponenty infrastruktury Google Cloud. Představujeme mnoho produktů a služeb pro velká data a strojové učení, které podporují životní cyklus od dat k umělé inteligenci na Google Cloud.
- Identifikovat různé aspekty infrastruktury Google Cloud.
- Identifikovat produkty pro velká data a strojové učení na Google Cloud.
Modul 2: Datové inženýrství pro streamingová data
Tato část představuje řešení Google Cloud pro správu streamingových dat. Zkoumá kompletní pipeline od začátku do konce, včetně příjmu dat pomocí Pub/Sub, zpracování dat pomocí Dataflow a vizualizace dat pomocí Looker a Data Studio.
- Popsat kompletní workflow streamingových dat od příjmu po vizualizaci dat.
- Identifikovat výzvy moderních datových pipeline a způsoby jejich řešení ve velkém měřítku pomocí Dataflow.
- Sestavit kolaborativní řídicí panely v reálném čase pomocí nástrojů pro vizualizaci dat.
Modul 3: Velká data s BigQuery
Tato část seznamuje účastníky s BigQuery, plně spravovaným bezserverovým datovým skladem společnosti Google. Zkoumá také BigQuery ML a procesy a klíčové příkazy používané k sestavení vlastních modelů strojového učení.
- Popsat základní vlastnosti BigQuery jako datového skladu.
- Vysvětlit, jak BigQuery zpracovává dotazy a ukládá data.
- Definovat fáze projektu BigQuery ML.
- Sestavit vlastní model strojového učení pomocí BigQuery ML.
Modul 4: Možnosti strojového učení na Google Cloud
Tato část zkoumá čtyři různé možnosti budování modelů strojového učení na Google Cloud. Představuje také Vertex AI, jednotnou platformu Google pro budování a správu životního cyklu projektů ML.
- Identifikovat různé možnosti budování modelů ML na Google Cloud.
- Definovat Vertex AI a jeho hlavní funkce a přínosy.
- Popsat řešení umělé inteligence na horizontálních i vertikálních trzích.
Modul 5: Workflow strojového učení s Vertex AI
Tato část se zaměřuje na tři klíčové fáze workflow strojového učení ve Vertex AI – přípravu dat, trénování modelu a přípravu modelu. Účastníci si mohou procvičit sestavení modelu strojového učení pomocí AutoML.
- Popsat workflow ML a klíčové kroky.
- Identifikovat nástroje a produkty podporující každou fázi.
- Sestavit kompletní workflow ML od začátku do konce pomocí AutoML.
Modul 6: Shrnutí kurzu
Tato část rekapituluje témata probíraná v kurzu a poskytuje další zdroje pro rozšíření znalostí.
- Popsat životní cyklus od dat k umělé inteligenci na Google Cloud a identifikovat hlavní produkty pro velká data a strojové učení.
Více od Google
Advanced Solutions Lab | Cloud
Analyzing and Visualizing Data in Looker | Cloud
Application Development with Cloud Run | Cloud
Application Development with LLMs on Google Cloud | Jiné
Architecting Hybrid Cloud Infrastructure with Anthos | Cloud
Architecting with Google Cloud Platform: Design and Process | Cloud