{"course":{"productid":32689,"modality":1,"active":true,"language":"de","title":"Vertex Forecasting and Time Series in Practice","productcode":"VFTSP","vendorcode":"GO","vendorname":"Google","fullproductcode":"GO-VFTSP","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/google-vftsp","objective":"<ul>\n<li>Verstehen der wichtigsten Konzepte und Anwendungen eines Sequenzmodells, von Zeitreihen und Prognosen.<\/li><li>Identifizieren Sie die Optionen zur Entwicklung eines Prognosemodells auf Google Cloud.<\/li><li>Beschreiben Sie den Arbeitsablauf zur Entwicklung eines Prognosemodells mit Hilfe von Vertex AI.<\/li><li>Vorbereitung von Daten (einschliesslich Ingestion und Feature Engineering) unter Verwendung von BigQuery und von Vertex verwalteten Datens&auml;tzen.<\/li><li>Trainieren Sie ein Prognosemodell und bewerten Sie die Leistung mit Hilfe von AutoML.<\/li><li>Einsatz und &Uuml;berwachung eines Prognosemodells mit Hilfe von Vertex AI Pipelines.<\/li><li>Erstellen Sie eine durchg&auml;ngige Prognosel&ouml;sung unter Verwendung eines Einzelhandelsdatensatzes.<\/li><\/ul>","essentials":"<p>Mit einer oder mehreren der folgenden Eigenschaften:\n<\/p>\n<ul>\n<li>Grundkenntnisse der Python-Syntax<\/li><li>Grundlegendes Verst&auml;ndnis von Modellen des maschinellen Lernens<\/li><li>Fr&uuml;here Erfahrungen bei der Entwicklung von L&ouml;sungen f&uuml;r maschinelles Lernen in der Google Cloud<\/li><\/ul>","audience":"<p>Professionelle Datenanalysten, Datenwissenschaftler und ML-Ingenieure, die leistungsstarke End-to-End-Prognosel&ouml;sungen auf Google Cloud erstellen und den Workflow automatisieren m&ouml;chten.<\/p>","outline":"<h4>Modul 01 - Kurseinf&uuml;hrung<\/h4><p>\n<strong>Themen: <\/strong>Dieses Modul befasst sich mit den Gr&uuml;nden f&uuml;r den Aufbau einer Prognosel&ouml;sung auf Google Cloud und stellt die Lernziele vor.<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Nennen Sie die Gr&uuml;nde, warum Sie Vertex AI Forecasting von Google lernen sollten.<\/li><li>Lernen Sie die Kursziele kennen<\/li><\/ul><h4>Modul 02 - Grundlagen der Zeitreihen und Prognosen<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul bietet eine theoretische Grundlage f&uuml;r Arten von Sequenzmodellen, Zeitreihenmuster und -analyse sowie Prognosenotationen.<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Identifizieren Sie die verschiedenen Arten von Sequenzmodellen.<\/li><li>Identifizierung der verschiedenen Muster und Analysemethoden von Zeitreihen.<\/li><li>Beschreiben Sie die wichtigsten Bezeichnungen f&uuml;r Prognosen.<\/li><\/ul><h4>Modul 03 - Prognosem&ouml;glichkeiten in der Google Cloud<\/h4><p>\n<strong>Themen: <\/strong>In diesem Modul werden zwei wichtige Optionen f&uuml;r den Aufbau einer Prognosel&ouml;sung auf Google Cloud vorgestellt: BigQuery ML und Vertex AI Forecast (AutoML). Ausserdem werden die einzigartigen Funktionen von Vertex AI Forecast untersucht und ein durchg&auml;ngiger Workflow mit AutoML erkundet.<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Identifizieren Sie die Optionen zur Entwicklung von Prognosemodellen in der Google Cloud.<\/li><li>Beschreiben Sie Vertex AI und seine Vorteile.<\/li><li>Erkunden Sie den Arbeitsablauf zur Erstellung eines Prognosemodells mithilfe von Vertex AI.<\/li><\/ul><h4>Modul 04 - Datenaufbereitung<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul befasst sich mit der Umwandlung von Originaldaten in die von Vertex AI unterst&uuml;tzten Datentypen und -formate. Ausserdem werden die verschiedenen Arten von Merkmalen in Zeitreihen und die besten Verfahren f&uuml;r die Datenaufnahme vorgestellt.<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Bereiten Sie die Eingabedaten so vor, dass sie den Anforderungen von Vertex AI Forecasting entsprechen.<\/li><li>Demonstrieren Sie verschiedene Arten von Merkmalen.<\/li><li>Beschreiben Sie die besten Praktiken f&uuml;r die Dateneingabe<\/li><\/ul><h4>Modul 05 - Modellschulung<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul f&uuml;hrt die Lernenden durch das Modelltraining und demonstriert die Konfigurationsdetails wie die Einrichtung des Kontextfensters, den Prognosehorizont und das Optimierungsziel.<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Konfigurieren Sie das Modelltraining.<\/li><li>W&auml;hlen Sie das geeignete Ziel f&uuml;r die Trainingsoptimierung.<\/li><\/ul><h4>Modul 06 - Modellbewertung<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul beschreibt die Aufteilung der Trainingsdaten, demonstriert die Bewertungsmetriken und empfiehlt Ans&auml;tze zur Verbesserung der Modellleistung.<\/p>\n<p><strong>Zielsetzungen: <\/strong>\n<\/p>\n<ul>\n<li>Demonstration der Aufteilung von Trainingsdaten bei Zeitreihenprognosen.<\/li><li>Beschreiben Sie die Bewertungsmetriken.<\/li><li>Entwerfen Sie einen Ansatz zur Verbesserung der Leistung.<\/li><\/ul><h4>Modul 07 - Einsatz von Modellen<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul demonstriert die Modellvorhersage, insbesondere die Batch-Vorhersage mit Vertex AI Forecast. Ausserdem werden die Abl&auml;ufe des maschinellen Lernens (MLOps) und der &Uuml;bergang von der Entwicklung zur Produktion untersucht.<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Setzen Sie das Prognosemodell ein.<\/li><li>Beschreiben Sie Vertex AI Pipelines und MLOps<\/li><li>Verwenden Sie Batch-Vorhersagen, um Modellprognosen zu erstellen.<\/li><\/ul><h4>Modul 08 - Modell&uuml;berwachung<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul beschreibt die Modellabweichung und den Ansatz der Modellumschulung. Ausserdem wird die Automatisierung des Prognose-Workflows mit Hilfe von Vertex AI Pipelines demonstriert<\/p>\n<p><strong>Zielsetzungen:<\/strong>\n<\/p>\n<ul>\n<li>Beschreiben Sie die Modellabweichung.<\/li><li>Demonstration der Modellumschulung.<\/li><li>Verwenden Sie Vertex AI Pipelines und vorgefertigte (SDKs), um den Prognoseworkflow zu automatisieren<\/li><\/ul><h4>Modul 09 - Scheitelpunktprognose im Einzelhandel<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modul beschreibt einen Anwendungsfall zum Aufbau einer Prognosel&ouml;sung mit Vertex AI Forecast in einem Einzelhandelsgesch&auml;ft. Es zeigt die Schritte und &Uuml;berlegungen auf, geht durch eine Pilotstudie mit zwei verschiedenen Datens&auml;tzen und diskutiert die Herausforderungen und Lehren.<\/p>\n<p><strong>Zielsetzung:<\/strong>\n<\/p>\n<ul>\n<li>Beschreiben Sie die Schritte und &Uuml;berlegungen beim Aufbau einer Prognosel&ouml;sung im Einzelhandel.<\/li><li>Demonstration der Modellentwicklung mit verschiedenen Datens&auml;tzen.<\/li><li>Identifizieren Sie die Herausforderungen und die Lehren aus der Entwicklung eines Prognosemodells im Einzelhandel.<\/li><\/ul><h4>Modul 10 - Kurszusammenfassung<\/h4><p>\n<strong>Themen:<\/strong> Dieses Modell befasst sich mit den Hauptfunktionen von Vertex AI Forecast und fasst die Hauptthemen der einzelnen Module zusammen.<\/p>\n<p><strong>Zielsetzungen: <\/strong>Fassen Sie die Schritte zur Erstellung eines Prognosemodells mit Vertex AI zusammen.<\/p>","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-vftsp\"><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>Dieser Kurs ist eine Einf&uuml;hrung in die Erstellung von Prognosel&ouml;sungen mit Google Cloud. Sie beginnen mit Sequenzmodellen und Zeitreihengrundlagen. Anschliessend durchlaufen Sie einen durchg&auml;ngigen Arbeitsablauf: von der Datenaufbereitung &uuml;ber die Modellentwicklung bis zur Bereitstellung mit Vertex AI. Schliesslich lernen Sie die Lektionen und Tipps aus einem Anwendungsfall im Einzelhandel und wenden das Wissen an, indem Sie Ihre eigenen Prognosemodelle erstellen.<\/p>","objective_plain":"- Verstehen der wichtigsten Konzepte und Anwendungen eines Sequenzmodells, von Zeitreihen und Prognosen.\n- Identifizieren Sie die Optionen zur Entwicklung eines Prognosemodells auf Google Cloud.\n- Beschreiben Sie den Arbeitsablauf zur Entwicklung eines Prognosemodells mit Hilfe von Vertex AI.\n- Vorbereitung von Daten (einschliesslich Ingestion und Feature Engineering) unter Verwendung von BigQuery und von Vertex verwalteten Datens\u00e4tzen.\n- Trainieren Sie ein Prognosemodell und bewerten Sie die Leistung mit Hilfe von AutoML.\n- Einsatz und \u00dcberwachung eines Prognosemodells mit Hilfe von Vertex AI Pipelines.\n- Erstellen Sie eine durchg\u00e4ngige Prognosel\u00f6sung unter Verwendung eines Einzelhandelsdatensatzes.","essentials_plain":"Mit einer oder mehreren der folgenden Eigenschaften:\n\n\n\n- Grundkenntnisse der Python-Syntax\n- Grundlegendes Verst\u00e4ndnis von Modellen des maschinellen Lernens\n- Fr\u00fchere Erfahrungen bei der Entwicklung von L\u00f6sungen f\u00fcr maschinelles Lernen in der Google Cloud","audience_plain":"Professionelle Datenanalysten, Datenwissenschaftler und ML-Ingenieure, die leistungsstarke End-to-End-Prognosel\u00f6sungen auf Google Cloud erstellen und den Workflow automatisieren m\u00f6chten.","outline_plain":"Modul 01 - Kurseinf\u00fchrung\n\n\nThemen: Dieses Modul befasst sich mit den Gr\u00fcnden f\u00fcr den Aufbau einer Prognosel\u00f6sung auf Google Cloud und stellt die Lernziele vor.\n\nZielsetzungen:\n\n\n\n- Nennen Sie die Gr\u00fcnde, warum Sie Vertex AI Forecasting von Google lernen sollten.\n- Lernen Sie die Kursziele kennen\nModul 02 - Grundlagen der Zeitreihen und Prognosen\n\n\nThemen: Dieses Modul bietet eine theoretische Grundlage f\u00fcr Arten von Sequenzmodellen, Zeitreihenmuster und -analyse sowie Prognosenotationen.\n\nZielsetzungen:\n\n\n\n- Identifizieren Sie die verschiedenen Arten von Sequenzmodellen.\n- Identifizierung der verschiedenen Muster und Analysemethoden von Zeitreihen.\n- Beschreiben Sie die wichtigsten Bezeichnungen f\u00fcr Prognosen.\nModul 03 - Prognosem\u00f6glichkeiten in der Google Cloud\n\n\nThemen: In diesem Modul werden zwei wichtige Optionen f\u00fcr den Aufbau einer Prognosel\u00f6sung auf Google Cloud vorgestellt: BigQuery ML und Vertex AI Forecast (AutoML). Ausserdem werden die einzigartigen Funktionen von Vertex AI Forecast untersucht und ein durchg\u00e4ngiger Workflow mit AutoML erkundet.\n\nZielsetzungen:\n\n\n\n- Identifizieren Sie die Optionen zur Entwicklung von Prognosemodellen in der Google Cloud.\n- Beschreiben Sie Vertex AI und seine Vorteile.\n- Erkunden Sie den Arbeitsablauf zur Erstellung eines Prognosemodells mithilfe von Vertex AI.\nModul 04 - Datenaufbereitung\n\n\nThemen: Dieses Modul befasst sich mit der Umwandlung von Originaldaten in die von Vertex AI unterst\u00fctzten Datentypen und -formate. Ausserdem werden die verschiedenen Arten von Merkmalen in Zeitreihen und die besten Verfahren f\u00fcr die Datenaufnahme vorgestellt.\n\nZielsetzungen:\n\n\n\n- Bereiten Sie die Eingabedaten so vor, dass sie den Anforderungen von Vertex AI Forecasting entsprechen.\n- Demonstrieren Sie verschiedene Arten von Merkmalen.\n- Beschreiben Sie die besten Praktiken f\u00fcr die Dateneingabe\nModul 05 - Modellschulung\n\n\nThemen: Dieses Modul f\u00fchrt die Lernenden durch das Modelltraining und demonstriert die Konfigurationsdetails wie die Einrichtung des Kontextfensters, den Prognosehorizont und das Optimierungsziel.\n\nZielsetzungen:\n\n\n\n- Konfigurieren Sie das Modelltraining.\n- W\u00e4hlen Sie das geeignete Ziel f\u00fcr die Trainingsoptimierung.\nModul 06 - Modellbewertung\n\n\nThemen: Dieses Modul beschreibt die Aufteilung der Trainingsdaten, demonstriert die Bewertungsmetriken und empfiehlt Ans\u00e4tze zur Verbesserung der Modellleistung.\n\nZielsetzungen: \n\n\n\n- Demonstration der Aufteilung von Trainingsdaten bei Zeitreihenprognosen.\n- Beschreiben Sie die Bewertungsmetriken.\n- Entwerfen Sie einen Ansatz zur Verbesserung der Leistung.\nModul 07 - Einsatz von Modellen\n\n\nThemen: Dieses Modul demonstriert die Modellvorhersage, insbesondere die Batch-Vorhersage mit Vertex AI Forecast. Ausserdem werden die Abl\u00e4ufe des maschinellen Lernens (MLOps) und der \u00dcbergang von der Entwicklung zur Produktion untersucht.\n\nZielsetzungen:\n\n\n\n- Setzen Sie das Prognosemodell ein.\n- Beschreiben Sie Vertex AI Pipelines und MLOps\n- Verwenden Sie Batch-Vorhersagen, um Modellprognosen zu erstellen.\nModul 08 - Modell\u00fcberwachung\n\n\nThemen: Dieses Modul beschreibt die Modellabweichung und den Ansatz der Modellumschulung. Ausserdem wird die Automatisierung des Prognose-Workflows mit Hilfe von Vertex AI Pipelines demonstriert\n\nZielsetzungen:\n\n\n\n- Beschreiben Sie die Modellabweichung.\n- Demonstration der Modellumschulung.\n- Verwenden Sie Vertex AI Pipelines und vorgefertigte (SDKs), um den Prognoseworkflow zu automatisieren\nModul 09 - Scheitelpunktprognose im Einzelhandel\n\n\nThemen: Dieses Modul beschreibt einen Anwendungsfall zum Aufbau einer Prognosel\u00f6sung mit Vertex AI Forecast in einem Einzelhandelsgesch\u00e4ft. Es zeigt die Schritte und \u00dcberlegungen auf, geht durch eine Pilotstudie mit zwei verschiedenen Datens\u00e4tzen und diskutiert die Herausforderungen und Lehren.\n\nZielsetzung:\n\n\n\n- Beschreiben Sie die Schritte und \u00dcberlegungen beim Aufbau einer Prognosel\u00f6sung im Einzelhandel.\n- Demonstration der Modellentwicklung mit verschiedenen Datens\u00e4tzen.\n- Identifizieren Sie die Herausforderungen und die Lehren aus der Entwicklung eines Prognosemodells im Einzelhandel.\nModul 10 - Kurszusammenfassung\n\n\nThemen: Dieses Modell befasst sich mit den Hauptfunktionen von Vertex AI Forecast und fasst die Hauptthemen der einzelnen Module zusammen.\n\nZielsetzungen: Fassen Sie die Schritte zur Erstellung eines Prognosemodells mit Vertex AI zusammen.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Dieser Kurs ist eine Einf\u00fchrung in die Erstellung von Prognosel\u00f6sungen mit Google Cloud. Sie beginnen mit Sequenzmodellen und Zeitreihengrundlagen. Anschliessend durchlaufen Sie einen durchg\u00e4ngigen Arbeitsablauf: von der Datenaufbereitung \u00fcber die Modellentwicklung bis zur Bereitstellung mit Vertex AI. Schliesslich lernen Sie die Lektionen und Tipps aus einem Anwendungsfall im Einzelhandel und wenden das Wissen an, indem Sie Ihre eigenen Prognosemodelle erstellen.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":1495},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":1210},"NL":{"country":"NL","currency":"EUR","taxrate":21,"price":1495},"BE":{"country":"BE","currency":"EUR","taxrate":21,"price":1495},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":1300},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":650},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":2065},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":950},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":950},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":950},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":790},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":950}}},"lastchanged":"2025-09-30T15:30:00+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/32689","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/google-vftsp"}}