Google Cloud Big Data and Machine Learning Fundamentals (GC-GCBDMLF)

Cloud
Strojově přeloženo

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.