Mit dem Skill-Logo Data Mesh mit Knowledge Catalog aufbauen weisen Sie die folgenden Kenntnisse nach: Aufbauen eines Data Mesh mit Knowledge Catalog für mehr Datensicherheit, Governance und Discovery in Google Cloud. Sie fördern und testen Ihre Fähigkeiten beim Tagging von Assets, Zuweisen von IAM-Rollen und Bewerten der Datenqualität in Knowledge Catalog.
Mit dem Skill-Logo für den Einsteigerkurs APIs für die Arbeit mit Cloud Storage verwenden weisen Sie Kenntnisse in folgenden Bereichen nach: APIs für die Arbeit mit Cloud Storage-Ressourcen verwenden, einschließlich der Cloud Storage API.
Wenn Sie den Kurs „Serverlose Anwendungen mit Cloud Run Functions erstellen“ abschließen, erhalten Sie ein Skill-Logo für Anfänger. Darin lernen Sie, wie Sie Cloud Run Functions über die Google Cloud Console und die Befehlszeile verwenden. Mit Skill-Logos weisen Sie Ihr Wissen zu bestimmten Produkten im Rahmen praxisorientierter Labs und Challenge-Prüfungen nach. Absolvieren Sie einen Kurs, um ein Logo zu erhalten, oder nehmen Sie an einem Challenge-Lab teil, damit Sie Ihr Logo noch heute bekommen. Mit Logos können Sie Kenntnisse nachweisen, Ihr berufliches Profil schärfen und so Ihre Karrierechancen verbessern. Die bisher erhaltenen Logos können Sie in Ihrem Profil ansehen.
Erhalten Sie ein Skill-Logo, indem Sie die Aufgabenreihe Einen Streaming-Data Lake in Cloud Storage erstellen abschließen. Sie nutzen Pub/Sub, Dataflow und Cloud Storage in Kombination, um einen Streaming-Data Lake in Google Cloud zu erstellen.
Weisen Sie mit einem Skill-Logo Ihre Kenntnisse über Streamanalyse in BigQuery nach. In diesem Kurs wenden Sie sowohl Pub/Sub und Dataflow als auch BigQuery an, um Daten für die Analyse zu streamen.
Mit dem Skill-Logo zum Kurs Monitoring und Verwaltung von Ressourcen in Google Cloud weisen Sie Grundkenntnisse in folgenden Bereichen nach: IAM-Berechtigungen erteilen und widerrufen, Monitoring- und Logging-Agents installieren, eine ereignisgesteuerte Cloud Run-Funktion erstellen, bereitstellen und testen.
Cloud Storage, Cloud Functions und Cloud Pub/Sub sind Google Cloud- Plattformdienste, die zum Speichern, Verarbeiten und Verwalten von Daten verwendet werden können. Alle drei Dienste können zusammen verwendet werden, um eine Vielzahl datengesteuerter Anwendungen zu erstellen. In diesem Kurs verwenden Sie Cloud Storage zum Speichern von Bildern, Cloud Functions zum Verarbeiten der Bilder und Cloud Pub/Sub, um die Bilder an eine andere Anwendung zu senden.
Cloud Storage, Cloud Functions und Cloud Pub/Sub sind Google Cloud- Plattformdienste, die zum Speichern, Verarbeiten und Verwalten von Daten verwendet werden können. Alle drei Dienste können zusammen verwendet werden, um eine Vielzahl datengesteuerter Anwendungen zu erstellen. In diesem Kurs verwenden Sie Cloud Storage zum Speichern von Bildern, Cloud Functions zum Verarbeiten der Bilder und Cloud Pub/Sub, um die Bilder an eine andere Anwendung zu senden.
Mit dem Skill-Logo „Daten mit Dataplex organisieren und verwalten“ weisen Sie die folgenden Kenntnisse nach: Dataplex-Assets erstellen, Aspekttypen erstellen und Aspekte auf Einträge in Dataplex anwenden. Mit Skill-Logos weisen Sie Ihr Wissen zu bestimmten Produkten im Rahmen praxisorientierter Labs und Challenge-Prüfungen nach. Absolvieren Sie einen Kurs, um ein Logo zu erhalten, oder nehmen Sie an einem Challenge-Lab teil, damit Sie Ihr Logo noch heute bekommen. Mit Logos können Sie Kenntnisse nachweisen, Ihr berufliches Profil schärfen und so Ihre Karrierechancen verbessern. Die bisher erhaltenen Logos können Sie in Ihrem Profil ansehen.
Schließen Sie den Skill-Badge-Kurs Sensitive Data Protection in Google Cloud implementieren ab, um Ihre Kenntnisse in den folgenden Bereichen nachzuweisen: Sensitive Data Protection-Dienste verwenden (einschließlich der Cloud Data Loss Prevention API), um sensible Informationen in Google Cloud zu prüfen, zu entfernen und zu de-identifizieren.
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs „Eventgesteuerte Anwendungen mit Eventarc entwickeln“ abschließen. In diesem Kurs erstellen Sie mit Eventarc Ereignistrigger für verschiedene Ressourcen wie Pub/Sub-Themen und Cloud Storage-Buckets.
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Serverlose APIs mit API Gateway bereitstellen und sichern abschließen. Dort lernen Sie, wie Sie mit dem vollständig verwalteten API Gateway APIs bereitstellen, schützen und verwalten.
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Ereignisgesteuerte Messaging- und Automatisierungs-Workflows implementieren abschließen. Dabei lernen Sie, wie Sie Pub/Sub über die Cloud Console verwenden, wie Cloud Scheduler-Jobs Ihnen die Arbeit erleichtern können und in welchen Fällen Sie mit Pub/Sub Lite bei der Aufnahme großer Ereignisdatenmengen Geld sparen können.
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Cloud-Zusammenarbeit und Produktivitäts-Workflows implementieren abschließen. Darin lernen Sie die Plattform zur Zusammenarbeit von Google kennen und erfahren, wie Sie Gmail, Kalender, Meet, Drive, Sheets und AppSheet verwenden.
Erhalten Sie ein Skill-Logo für den Abschluss des Kurses Apps entwickeln mit AppSheet. In diesem Kurs lernen Sie, wie Sie Apps mit AppSheet entwickeln, konfigurieren und veröffentlichen können.
Schließen Sie die Aufgabenreihe Cloud-Speicher- und Datenschutzlösungen implementieren ab und sichern Sie sich ein Skill-Logo für den Kurs. Sie erfahren, wie Sie einen Cloud Storage-Bucket erstellen, die Cloud Storage-Befehlszeile verwenden und Objekte in einem Bucket mit der Bucket-Sperre schützen.
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Verwenden der Google Cloud Speech API abschließen. Dabei lernen Sie, wie Sie eine Speech-to-Text API-Anfrage erstellen sowie Audiodateien und Sprache transkribieren.
Erhalten Sie ein Skill-Logo, für den Abschluss der Aufgabenreihe Sentimentanalyse mit der Natural Language API, in der Sie lernen, wie die API die Stimmung eines Textes bestimmt.
Verdienen Sie das Skill Badge, indem Sie den Kurs Sprachlösungen mit vortrainierten APIs implementieren absolvieren, in dem Sie lernen, wie Sie sprachbezogene API-Tools verwenden, um Sprache zu synthetisieren und zu transkribieren.
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Sprache und Text mit Google APIs analysieren abschließen, in der Sie lernen, wie Sie die Natural Language API und die Speech API in praxisnahen Umgebungen einsetzen.
Sichern Sie sich ein Skill-Logo für den Kurs Bilder mit der Cloud Vision API analysieren. Darin erfahren Sie, wie Sie die Cloud Vision API für verschiedene Aufgaben nutzen können, zum Beispiel zum Extrahieren von Text aus Bildern.
Erhalten Sie ein Skill-Logo für den Abschluss des Kurses Mit Apps Script und AppSheet entwickeln. In diesem Kurs lernen Sie, wie Sie Chatbots entwickeln und den Script-Editor in einem beliebigen Dokument nutzen.
Mit dem Skill-Logo zum Einsteigerkurs Über Apps Script Google Workspace mit BigQuery-Daten verbinden weisen Sie nach, dass Sie Workspace-Produkte über AppSheet mit BigQuery verbinden können.
Mit dem Skill-Logo „BigQuery-Daten in verbundenen Tabellenblättern analysieren“ weisen Sie nach, dass Sie mit verbundenen Tabellenblättern Milliarden von Zeilen mit BigQuery-Daten aus Google Sheets-Tabellen aufrufen, analysieren, visualisieren und freigeben können.
Mit dem Skill-Logo zum Kurs Rich-Dokumente mit Gemini Multimodal und Multimodal RAG untersuchen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Verwenden von multimodalen Prompts, um Informationen aus Text- und Bilddaten zu gewinnen; Erstellen einer Videobeschreibung und Abrufen von zusätzlichen, über das Video hinausgehenden Informationen unter Verwendung von Multimodalität mit Gemini; Erstellen von Metadaten von Dokumenten mit Text und Bildern; Ermitteln aller relevanten Textabschnitte und Drucken von Zitationen durch Nutzung von multimodaler Retrieval-Augmented Generation (RAG) mit Gemini.
Mit dem Skill-Logo zum Kurs Generative KI-Anwendungen mit Gemini und Streamlit entwickeln weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Texterstellung, Anwendung von Funktionsaufrufen mit dem Python SDK und der Gemini API und Bereitstellung einer Streamlit-Anwendung mit Cloud Run. Dabei lernen Sie, wie Sie mithilfe von Gemini und entsprechenden Prompts Text erstellen, Cloud Shell zum Testen und Iterieren einer Streamlit-Anwendung nutzen und diese Anwendung dann als Docker-Container zur Bereitstellung in Cloud Run verpacken.
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
Earn a skill badge by completing the Build Custom Processors with Document AI course. You learn how to extract data and classify documents by creating custom ML models specific to your business needs. This course teaches the foundation skills of building your own processors, working with optical character recognition, form parsing, processor creation, and uptraining the DocumentAI model.
Mit dem Skill-Logo Generative KI in Agent Platform nutzen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Textgenerierung, Bild- und Videoanalyse für eine verbesserte Erstellung von Inhalten und die Verwendung von Funktionsaufrufen in der Gemini API. Sie erfahren, wie Sie ausgefeilte Gemini-Techniken einsetzen, multimodale Inhalte erstellen und in KI-Projekten noch mehr Möglichkeiten nutzen können.
Mit dem Skill-Logo „Praxisorientierte KI-Anwendungen mit Gemini und Imagen entwickeln“ weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bilderkennung, Natural Language Processing, Bildgenerierung mit den leistungsstarken Gemini- und Imagen-Modellen von Google sowie Bereitstellen von Anwendungen auf der Vertex AI-Plattform.
Mit dem Skill-Logo Prompt-Design mit Agent Platform weisen Sie Grundkenntnisse in folgenden Bereichen nach: Prompt Engineering, Bildanalyse und multimodale generative Techniken in Agent Platform. Entdecken Sie, wie Sie wirksame Prompts erstellen, auf generativer KI basierende Ausgaben steuern und Gemini-Modelle in Marketing-Szenarien aus der Praxis anwenden.
Mit dem Skill-Logo zum Kurs Datenerfassung mit Document AI automatisieren weisen Sie Grundkenntnisse nach. In diesem Kurs lernen Sie, wie Sie mit Document AI Daten extrahieren, verarbeiten und erheben.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
Sichern Sie sich das Skill-Logo für Fortgeschrittene, indem Sie den Kurs APIs für Machine Learning in Google Cloud verwenden abschließen – hier lernen Sie die grundlegenden Funktionen der folgenden Machine-Learning- und KI-Technologien kennen: Cloud Vision API, Cloud Translation API und Cloud Natural Language API.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs Google Cloud-Netzwerk entwickeln abschließen. Dabei wird anhand verschiedener Aufgaben behandelt, wie Sie Anwendungen bereitstellen und beobachten, darunter: IAM-Rollen prüfen, den Zugriff auf Projekte ermöglichen/entfernen, VPC-Netzwerke erstellen, Compute Engine-VMs bereitstellen und beobachten, SQL-Abfragen schreiben, VMs in der Compute Engine bereitstellen und beobachten sowie Anwendungen mithilfe von Kubernetes und mehreren Deploymentmodellen bereitstellen.
Mit dem Skill-Logo für den Kurs Bilder mit TensorFlow in Google Cloud klassifizieren erwerben Sie Kenntnisse in der Verwendung von TensorFlow und Vertex AI zum Erstellen und Trainieren von Machine-Learning-Modellen. Sie arbeiten hauptsächlich mit nutzerverwalteten Vertex AI Workbench-Notebooks.
Earn a skill badge by completing the Introduction to Generative AI, Introduction to Large Language Models and Introduction to Responsible AI courses. By passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
In diesem Einführungskurs im Microlearning-Format wird erklärt, was verantwortungsbewusste Anwendung von KI bedeutet, warum sie wichtig ist und wie Google dies in seinen Produkten berücksichtigt. Darüber hinaus werden die 7 KI-Grundsätze von Google behandelt.
In diesem Einführungskurs im Microlearning-Format wird untersucht, was Large Language Models (LLM) sind, für welche Anwendungsfälle sie genutzt werden können und wie die LLM-Leistung durch Feinabstimmung von Prompts gesteigert werden kann. Darüber hinaus werden Tools von Google behandelt, die das Entwickeln eigener Anwendungen basierend auf generativer KI ermöglichen.
In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene generative KI-Anwendungen entwickeln können.
Holen Sie sich ein Skill-Logo, indem Sie den Kurs Freigegebene Daten über die Daten-Cloud von Google nutzen abschließen. In diesem Kurs erwerben Sie praktische Kenntnisse mit Google Cloud-Partnern für die Datenfreigabe, die eigene Datasets haben, die Kundinnen und Kunden für ihre Anwendungsfälle in der Analyse verwenden können. Kundinnen und Kunden können diese Daten abonnieren, sie in ihrer eigenen Plattform abfragen und um ihre eigenen Datasets erweitern sowie ihre Visualisierungstools für kundenorientierte Dashboards verwenden.
Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.
Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.
Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.
Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Erste Schritte mit Looker abschließen. Dabei lernen Sie, wie Sie Daten mit Looker Studio und Looker analysieren, visualisieren und kuratieren.
Mit dem Skill-Logo zum Kurs Datenmodelle in Looker verwalten weisen Sie fortgeschrittene Kenntnisse in den folgenden Bereichen nach: Aufrechterhaltung des Zustands von LookML-Projekten, Verwendung von SQL-Runner zur Datenvalidierung, Umsetzung von Best Practices für LookML, Leistungsoptimierung von Abfragen und Berichten sowie Implementierung von persistenten abgeleiteten Tabellen und Caching-Richtlinien.
Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.
MMit dem Skill-Logo zum Kurs Daten für Looker-Dashboards und ‑Berichte vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Filtern, Sortieren und Pivotieren von Daten, Zusammenführen der Ergebnisse von verschiedenen Looker-Explores sowie Verwenden von Funktionen und Operatoren zum Erstellen von Looker-Dashboards und ‑Berichten für Analyse und Visualisierung von Daten.
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
Erfahren Sie, wie Sie mit Google Cloud Rohdaten in klare, datengestützte Entscheidungen umwandeln können. In praxisorientierten Labs und realen Szenarien lernen Sie in diesem Kurs für Einsteiger, wie Sie Daten in BigQuery abfragen, Trends in Looker untersuchen und interaktive Berichte in Data Studio erstellen, die Sie mit anderen teilen können.
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
Mit dem Skill-Logo zum Kurs ML-Lösungen mit Vertex AI erstellen und bereitstellen weisen Sie fortgeschrittene Kenntnisse nach. Sie lernen in diesem Kurs, wie Sie die Vertex AI-Plattform von Google Cloud, AutoML und benutzerdefinierte Trainingsdienste nutzen, um Machine-Learning-Modelle zu trainieren, zu bewerten, abzustimmen, zu erklären und bereitzustellen. Dieser Kurs richtet sich an professionelle Data Scientists und Machine Learning Engineers. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über Produkte und Dienste von Google Cloud belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Umgebung anzuwenden. Absolvieren Sie diese Aufgabenreihe und die Challenge-Lab-Prüfung, um ein digitales Abzeichen zu erhalten, das Sie in Ihrem Netzwerk posten können.
Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.
In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.
This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.