Vertex AI for Machine Learning PractitionersVAIMLPGOGoogleGO-VAIMLP1.0<p>Am Ende des Kurses werden die Lernenden in der Lage sein:</p>
<ul>
<li>Verstehen Sie die Schlüsselkomponenten von Vertex AI und wie sie zusammenarbeiten, um Ihre ML-Workflows zu unterstützen.</li><li>Konfigurieren und starten Sie Vertex AI Custom Training und Hyperparameter Tuning Jobs, um die Modellleistung zu optimieren.</li><li>Organisieren und versionieren Sie Ihre Modelle mit Vertex AI Model Registry für einfachen Zugriff und Nachverfolgung.</li><li>Konfigurieren Sie Serving-Cluster und stellen Sie Modelle für Online-Vorhersagen mit Vertex AI Endpoints bereit.</li><li>Operationalisieren und orchestrieren Sie End-to-End-ML-Workflows mit Vertex AI Pipelines für mehr Effizienz und Skalierbarkeit.</li><li>Konfigurieren und Einrichten der Überwachung für bereitgestellte Modelle</li></ul><p>Erfahrung mit der Erstellung und Schulung benutzerdefinierter ML-Modelle. Vertraut mit Docker.</p><p>Ingenieure für maschinelles Lernen, Datenwissenschaftler</p><h5>Trainieren, Abstimmen und Einsetzen von Modellen auf Vertex AI</h5><ul>
<li>Verstehen Sie containerisierte Schulungsanwendungen</li><li>Vertex AI Custom Training und Tuning Jobs verstehen</li><li>Verstehen Sie, wie Sie Ihre trainierten Modelle in Vertex AI Model Registry verfolgen und versionieren können</li><li>Verstehen Sie die Online-Bereitstellung mit Vertex AI-Endpunkten</li></ul><h5>Orchestrierung von End-to-End-Workflows mit Vertex AI Pipelines</h5><ul>
<li>Kubeflow verstehen</li><li>Verstehen von vorgefertigten und leichtgewichtigen Python-Komponenten</li><li>Verstehen, wie man Pipelines auf Vertex AI kompiliert und ausführt</li></ul><h5>Modellüberwachung bei Vertex AI</h5><ul>
<li>Understand Feature Drift and Skew</li><li>Verstehen Sie die Modellüberwachung für Modelle, die auf Vertex AI-Endpunkten bereitgestellt werden</li></ul><p><em>Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/en/course/google-vaimlp"><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>Am Ende des Kurses werden die Lernenden in der Lage sein:
- Verstehen Sie die Schlüsselkomponenten von Vertex AI und wie sie zusammenarbeiten, um Ihre ML-Workflows zu unterstützen.
- Konfigurieren und starten Sie Vertex AI Custom Training und Hyperparameter Tuning Jobs, um die Modellleistung zu optimieren.
- Organisieren und versionieren Sie Ihre Modelle mit Vertex AI Model Registry für einfachen Zugriff und Nachverfolgung.
- Konfigurieren Sie Serving-Cluster und stellen Sie Modelle für Online-Vorhersagen mit Vertex AI Endpoints bereit.
- Operationalisieren und orchestrieren Sie End-to-End-ML-Workflows mit Vertex AI Pipelines für mehr Effizienz und Skalierbarkeit.
- Konfigurieren und Einrichten der Überwachung für bereitgestellte ModelleErfahrung mit der Erstellung und Schulung benutzerdefinierter ML-Modelle. Vertraut mit Docker.Ingenieure für maschinelles Lernen, DatenwissenschaftlerTrainieren, Abstimmen und Einsetzen von Modellen auf Vertex AI
- Verstehen Sie containerisierte Schulungsanwendungen
- Vertex AI Custom Training und Tuning Jobs verstehen
- Verstehen Sie, wie Sie Ihre trainierten Modelle in Vertex AI Model Registry verfolgen und versionieren können
- Verstehen Sie die Online-Bereitstellung mit Vertex AI-Endpunkten
Orchestrierung von End-to-End-Workflows mit Vertex AI Pipelines
- Kubeflow verstehen
- Verstehen von vorgefertigten und leichtgewichtigen Python-Komponenten
- Verstehen, wie man Pipelines auf Vertex AI kompiliert und ausführt
Modellüberwachung bei Vertex AI
- Understand Feature Drift and Skew
- Verstehen Sie die Modellüberwachung für Modelle, die auf Vertex AI-Endpunkten bereitgestellt werdenDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.1 Tag850.00650.00595.00660.00820.00950.00950.00950.00790.00