{"course":{"productid":23770,"modality":1,"active":true,"language":"de","title":"Machine Learning on Google Cloud","productcode":"MLGC","vendorcode":"GO","vendorname":"Google","fullproductcode":"GO-MLGC","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/google-mlgc","objective":"<ul>\n<li>Mit Vertex AI AutoML k&ouml;nnen Sie ein maschinelles Lernmodell erstellen, trainieren und bereitstellen, ohne eine einzige Zeile Code schreiben zu m&uuml;ssen.<\/li><li>Verstehen Sie, wann Sie AutoML und Big Query ML verwenden sollten.<\/li><li>Erstellen Sie von Vertex AI verwaltete Datens&auml;tze.<\/li><li>Features zu einem Feature Store hinzuf&uuml;gen.<\/li><li>Beschreiben Sie Analytics Hub, Dataplex, Data Catalog.<\/li><li>Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.<\/li><li>Erstellen Sie ein benutzerverwaltetes Vertex AI Workbench-Notizbuch, erstellen Sie einen benutzerdefinierten Trainingsauftrag und stellen Sie ihn dann mithilfe eines Docker-Containers bereit.<\/li><li>Beschreiben Sie Batch- und Online-Vorhersagen und die Modell&uuml;berwachung.<\/li><li>Beschreiben Sie, wie Sie die Datenqualit&auml;t verbessern k&ouml;nnen.<\/li><li>F&uuml;hren Sie eine explorative Datenanalyse durch.<\/li><li>Erstellen und trainieren Sie &uuml;berwachte Lernmodelle.<\/li><li>Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.<\/li><li>Erstellen Sie wiederholbare und skalierbare Trainings-, Evaluierungs- und Testdatens&auml;tze.<\/li><li>Implementierung von ML-Modellen mit TensorFlow\/Keras.<\/li><li>Beschreiben Sie, wie man Merkmale darstellt und umwandelt.<\/li><li>Verstehen Sie die Vorteile der Anwendung von Feature Engineering<\/li><li>Erkl&auml;ren Sie Vertex AI Pipelines<\/li><\/ul>","essentials":"<ul>\n<li>Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.<\/li><li>Grundkenntnisse in einer Skriptsprache - Python bevorzugt.<\/li><\/ul>","audience":"<ul>\n<li>Angehende Datenwissenschaftler und Ingenieure f&uuml;r maschinelles Lernen.<\/li><li>Lernende, die ML mit Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier f&uuml;r Hyperparameter-Tuning, TensorFlow\/Keras kennenlernen m&ouml;chten.<\/li><\/ul>","outline":"<h5>Modul 1: Wie Google maschinelles Lernen betreibt<\/h5><ul>\n<li>Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle f&uuml;r maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.<\/li><li>Beschreiben Sie bew&auml;hrte Verfahren f&uuml;r die Implementierung von maschinellem Lernen in der Google Cloud.<\/li><li>Entwicklung einer Datenstrategie f&uuml;r maschinelles Lernen<\/li><li>Untersuchen Sie Anwendungsf&auml;lle, die dann durch eine ML-Linse neu konzipiert werden<\/li><li>Nutzen Sie die Tools und die Umgebung der Google Cloud Platform f&uuml;r ML<\/li><\/ul><h5>Modul 2: Einstieg in das maschinelle Lernen<\/h5><ul>\n<li>Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen k&ouml;nnen, ohne eine einzige Zeile Code zu schreiben.<\/li><li>Beschreiben Sie Big Query ML und seine Vorteile.<\/li><li>Beschreiben Sie, wie Sie die Datenqualit&auml;t verbessern k&ouml;nnen.<\/li><li>F&uuml;hren Sie eine explorative Datenanalyse durch.<\/li><li>Erstellen und trainieren Sie &uuml;berwachte Lernmodelle.<\/li><li>Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.<\/li><li>Entsch&auml;rfen Sie h&auml;ufige Probleme, die beim maschinellen Lernen auftreten.<\/li><li>Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatens&auml;tze.<\/li><\/ul><h5>Modul 3: TensorFlow in der Google Cloud<\/h5><ul>\n<li>Erstellen Sie TensorFlow und Keras Modelle f&uuml;r maschinelles Lernen.<\/li><li>Beschreiben Sie die Schl&uuml;sselkomponenten von TensorFlow.<\/li><li>Verwenden Sie die tf.data-Bibliothek zur Bearbeitung von Daten und grossen Datens&auml;tzen.<\/li><li>Erstellen Sie ein ML-Modell mit tf.keras-Vorverarbeitungsschichten.<\/li><li>Verwenden Sie die Keras Sequential und Functional APIs f&uuml;r die einfache und erweiterte Modellerstellung. Verstehen Sie, wie Modell-Subklassifizierung f&uuml;r individuellere Modelle verwendet werden kann.<\/li><\/ul><h5>Modul 4: Funktionsentwicklung<\/h5><ul>\n<li>Beschreiben Sie den Vertex AI Feature Store.<\/li><li>Vergleichen Sie die wichtigsten erforderlichen Aspekte eines guten Features.<\/li><li>Kombinieren und erstellen Sie neue Feature-Kombinationen durch Feature-Kreuzungen.<\/li><li>F&uuml;hren Sie Feature Engineering mit BQML, Keras und TensorFlow durch.<\/li><li>Verstehen Sie, wie Sie Funktionen mit Cloud Dataflow und Cloud Dataprep vorverarbeiten und untersuchen k&ouml;nnen.<\/li><li>Verstehen und anwenden, wie TensorFlow Features transformiert.<\/li><\/ul><h5>Modul 5: Maschinelles Lernen im Unternehmen<\/h5><ul>\n<li>Die f&uuml;r Datenmanagement und -verwaltung erforderlichen Tools verstehen<\/li><li>Beschreiben Sie den besten Ansatz f&uuml;r die Datenvorverarbeitung - von einem &Uuml;berblick &uuml;ber DataFlow und DataPrep bis zur Verwendung von SQL f&uuml;r Vorverarbeitungsaufgaben.<\/li><li>Erkl&auml;ren Sie, wie sich AutoML, BQML und benutzerdefinierte Schulungen unterscheiden und wann ein bestimmtes Framework verwendet werden sollte.<\/li><li>Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.<\/li><li>Erkl&auml;ren Sie Vorhersage und Modell&uuml;berwachung und wie Vertex AI zur Verwaltung von ML-Modellen eingesetzt werden kann.<\/li><li>Beschreiben Sie die Vorteile von Vertex AI Pipelines<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/google-mlgc\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>In diesem Kurs lernen Sie, wie Sie Vertex AI AutoML-Modelle erstellen, ohne eine einzige Zeile Code zu schreiben, wie Sie BigQuery ML-Modelle mit grundlegenden SQL-Kenntnissen erstellen, wie Sie benutzerdefinierte Vertex AI-Trainingsauftr&auml;ge erstellen, die Sie mithilfe von Containern bereitstellen - mit geringen Kenntnissen &uuml;ber Docker, wie Sie Feature Store f&uuml;r Datenmanagement und Governance verwenden, wie Sie Feature Engineering f&uuml;r die Modellverbesserung nutzen, wie Sie die geeigneten Optionen f&uuml;r die Datenvorverarbeitung f&uuml;r Ihren Anwendungsfall bestimmen, wie Sie verteilte ML-Modelle schreiben, die in TensorFlow skalieren, und wie Sie Best Practices f&uuml;r die Implementierung von maschinellem Lernen in der Google Cloud nutzen. Lernen Sie all dies und mehr!<\/p>","objective_plain":"- Mit Vertex AI AutoML k\u00f6nnen Sie ein maschinelles Lernmodell erstellen, trainieren und bereitstellen, ohne eine einzige Zeile Code schreiben zu m\u00fcssen.\n- Verstehen Sie, wann Sie AutoML und Big Query ML verwenden sollten.\n- Erstellen Sie von Vertex AI verwaltete Datens\u00e4tze.\n- Features zu einem Feature Store hinzuf\u00fcgen.\n- Beschreiben Sie Analytics Hub, Dataplex, Data Catalog.\n- Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.\n- Erstellen Sie ein benutzerverwaltetes Vertex AI Workbench-Notizbuch, erstellen Sie einen benutzerdefinierten Trainingsauftrag und stellen Sie ihn dann mithilfe eines Docker-Containers bereit.\n- Beschreiben Sie Batch- und Online-Vorhersagen und die Modell\u00fcberwachung.\n- Beschreiben Sie, wie Sie die Datenqualit\u00e4t verbessern k\u00f6nnen.\n- F\u00fchren Sie eine explorative Datenanalyse durch.\n- Erstellen und trainieren Sie \u00fcberwachte Lernmodelle.\n- Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.\n- Erstellen Sie wiederholbare und skalierbare Trainings-, Evaluierungs- und Testdatens\u00e4tze.\n- Implementierung von ML-Modellen mit TensorFlow\/Keras.\n- Beschreiben Sie, wie man Merkmale darstellt und umwandelt.\n- Verstehen Sie die Vorteile der Anwendung von Feature Engineering\n- Erkl\u00e4ren Sie Vertex AI Pipelines","essentials_plain":"- Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.\n- Grundkenntnisse in einer Skriptsprache - Python bevorzugt.","audience_plain":"- Angehende Datenwissenschaftler und Ingenieure f\u00fcr maschinelles Lernen.\n- Lernende, die ML mit Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier f\u00fcr Hyperparameter-Tuning, TensorFlow\/Keras kennenlernen m\u00f6chten.","outline_plain":"Modul 1: Wie Google maschinelles Lernen betreibt\n\n\n- Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle f\u00fcr maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.\n- Beschreiben Sie bew\u00e4hrte Verfahren f\u00fcr die Implementierung von maschinellem Lernen in der Google Cloud.\n- Entwicklung einer Datenstrategie f\u00fcr maschinelles Lernen\n- Untersuchen Sie Anwendungsf\u00e4lle, die dann durch eine ML-Linse neu konzipiert werden\n- Nutzen Sie die Tools und die Umgebung der Google Cloud Platform f\u00fcr ML\nModul 2: Einstieg in das maschinelle Lernen\n\n\n- Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen k\u00f6nnen, ohne eine einzige Zeile Code zu schreiben.\n- Beschreiben Sie Big Query ML und seine Vorteile.\n- Beschreiben Sie, wie Sie die Datenqualit\u00e4t verbessern k\u00f6nnen.\n- F\u00fchren Sie eine explorative Datenanalyse durch.\n- Erstellen und trainieren Sie \u00fcberwachte Lernmodelle.\n- Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.\n- Entsch\u00e4rfen Sie h\u00e4ufige Probleme, die beim maschinellen Lernen auftreten.\n- Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatens\u00e4tze.\nModul 3: TensorFlow in der Google Cloud\n\n\n- Erstellen Sie TensorFlow und Keras Modelle f\u00fcr maschinelles Lernen.\n- Beschreiben Sie die Schl\u00fcsselkomponenten von TensorFlow.\n- Verwenden Sie die tf.data-Bibliothek zur Bearbeitung von Daten und grossen Datens\u00e4tzen.\n- Erstellen Sie ein ML-Modell mit tf.keras-Vorverarbeitungsschichten.\n- Verwenden Sie die Keras Sequential und Functional APIs f\u00fcr die einfache und erweiterte Modellerstellung. Verstehen Sie, wie Modell-Subklassifizierung f\u00fcr individuellere Modelle verwendet werden kann.\nModul 4: Funktionsentwicklung\n\n\n- Beschreiben Sie den Vertex AI Feature Store.\n- Vergleichen Sie die wichtigsten erforderlichen Aspekte eines guten Features.\n- Kombinieren und erstellen Sie neue Feature-Kombinationen durch Feature-Kreuzungen.\n- F\u00fchren Sie Feature Engineering mit BQML, Keras und TensorFlow durch.\n- Verstehen Sie, wie Sie Funktionen mit Cloud Dataflow und Cloud Dataprep vorverarbeiten und untersuchen k\u00f6nnen.\n- Verstehen und anwenden, wie TensorFlow Features transformiert.\nModul 5: Maschinelles Lernen im Unternehmen\n\n\n- Die f\u00fcr Datenmanagement und -verwaltung erforderlichen Tools verstehen\n- Beschreiben Sie den besten Ansatz f\u00fcr die Datenvorverarbeitung - von einem \u00dcberblick \u00fcber DataFlow und DataPrep bis zur Verwendung von SQL f\u00fcr Vorverarbeitungsaufgaben.\n- Erkl\u00e4ren Sie, wie sich AutoML, BQML und benutzerdefinierte Schulungen unterscheiden und wann ein bestimmtes Framework verwendet werden sollte.\n- Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.\n- Erkl\u00e4ren Sie Vorhersage und Modell\u00fcberwachung und wie Vertex AI zur Verwaltung von ML-Modellen eingesetzt werden kann.\n- Beschreiben Sie die Vorteile von Vertex AI Pipelines","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs lernen Sie, wie Sie Vertex AI AutoML-Modelle erstellen, ohne eine einzige Zeile Code zu schreiben, wie Sie BigQuery ML-Modelle mit grundlegenden SQL-Kenntnissen erstellen, wie Sie benutzerdefinierte Vertex AI-Trainingsauftr\u00e4ge erstellen, die Sie mithilfe von Containern bereitstellen - mit geringen Kenntnissen \u00fcber Docker, wie Sie Feature Store f\u00fcr Datenmanagement und Governance verwenden, wie Sie Feature Engineering f\u00fcr die Modellverbesserung nutzen, wie Sie die geeigneten Optionen f\u00fcr die Datenvorverarbeitung f\u00fcr Ihren Anwendungsfall bestimmen, wie Sie verteilte ML-Modelle schreiben, die in TensorFlow skalieren, und wie Sie Best Practices f\u00fcr die Implementierung von maschinellem Lernen in der Google Cloud nutzen. Lernen Sie all dies und mehr!","skill_level":"Intermediate","version":"3.5","duration":{"unit":"d","value":5,"formatted":"5 Tage"},"pricelist":{"List Price":{"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":3250},"US":{"country":"US","currency":"USD","taxrate":null,"price":2995},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":3190},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":3250},"IL":{"country":"IL","currency":"ILS","taxrate":17,"price":11270},"BE":{"country":"BE","currency":"EUR","taxrate":21,"price":2995},"NL":{"country":"NL","currency":"EUR","taxrate":21,"price":2995},"GR":{"country":"GR","currency":"EUR","taxrate":null,"price":3385},"MK":{"country":"MK","currency":"EUR","taxrate":null,"price":3385},"HU":{"country":"HU","currency":"EUR","taxrate":20,"price":3385},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":3250},"SG":{"country":"SG","currency":"SGD","taxrate":8,"price":4140},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":3250},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":3300},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":4135},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":3770}}},"lastchanged":"2025-09-30T15:09:58+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/23770","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/google-mlgc"}}