このコースでは、Vertex AI Feature Store を使用するメリット、ML モデルの精度を向上させる方法、最も有効な特徴を抽出できるデータ列の見極め方について説明します。また、BigQuery ML、Keras、TensorFlow を使用した特徴量エンジニアリングに関するコンテンツとラボも用意されています。
このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。機械学習エンジニアリングの担当者は、ツールを活用して、デプロイしたモデルの継続的な改善と評価を行います。また、データ サイエンティストと協力して、あるいは自らがデータ サイエンティストとして、最も効果的なモデルを迅速かつ正確にデプロイできるようモデルを開発します。
推論のための BigQuery ML の概要、データ アナリストがこれを使用すべき理由、そのユースケース、サポートされる ML モデルについて学びます。また、これらの ML モデルを BigQuery で作成し、管理する方法も学びます。
このコースは、データ分析のニーズに合わせた BigQuery の使用方法について学習したいと考えているデータ アナリストを対象としています。動画、ラボ、デモを組み合わせることにより、BigQuery でデータを取り込み、変換し、クエリを実行してビジネス上の意思決定に役立つ分析情報を引き出す方法について、さまざまなトピックを取り上げます。
Google Cloud を活用して、生の数値データを明確かつデータドリブンな意思決定に変換する方法を学びましょう。この初級レベルのコースでは、ハンズオンラボと実践的なシナリオを通じて、BigQuery でのデータのクエリ、Looker での傾向分析、データポータルでの共有可能なインタラクティブ レポートの作成について説明します。