Vertex Forecasting and Time Series in PracticeVFTSPGOGoogleGO-VFTSP1.0<ul>
<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 Datensätzen.</li><li>Trainieren Sie ein Prognosemodell und bewerten Sie die Leistung mit Hilfe von AutoML.</li><li>Einsatz und Überwachung eines Prognosemodells mit Hilfe von Vertex AI Pipelines.</li><li>Erstellen Sie eine durchgängige Prognoselösung unter Verwendung eines Einzelhandelsdatensatzes.</li></ul><p>Mit einer oder mehreren der folgenden Eigenschaften:
</p>
<ul>
<li>Grundkenntnisse der Python-Syntax</li><li>Grundlegendes Verständnis von Modellen des maschinellen Lernens</li><li>Frühere Erfahrungen bei der Entwicklung von Lösungen für maschinelles Lernen in der Google Cloud</li></ul><p>Professionelle Datenanalysten, Datenwissenschaftler und ML-Ingenieure, die leistungsstarke End-to-End-Prognoselösungen auf Google Cloud erstellen und den Workflow automatisieren möchten.</p><h4>Modul 01 - Kurseinführung</h4><p>
<strong>Themen: </strong>Dieses Modul befasst sich mit den Gründen für den Aufbau einer Prognoselösung auf Google Cloud und stellt die Lernziele vor.</p>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<li>Nennen Sie die Gründe, 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>
<strong>Themen:</strong> Dieses Modul bietet eine theoretische Grundlage für Arten von Sequenzmodellen, Zeitreihenmuster und -analyse sowie Prognosenotationen.</p>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<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 für Prognosen.</li></ul><h4>Modul 03 - Prognosemöglichkeiten in der Google Cloud</h4><p>
<strong>Themen: </strong>In diesem Modul werden zwei wichtige Optionen für den Aufbau einer Prognoselösung auf Google Cloud vorgestellt: BigQuery ML und Vertex AI Forecast (AutoML). Ausserdem werden die einzigartigen Funktionen von Vertex AI Forecast untersucht und ein durchgängiger Workflow mit AutoML erkundet.</p>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<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>
<strong>Themen:</strong> Dieses Modul befasst sich mit der Umwandlung von Originaldaten in die von Vertex AI unterstützten Datentypen und -formate. Ausserdem werden die verschiedenen Arten von Merkmalen in Zeitreihen und die besten Verfahren für die Datenaufnahme vorgestellt.</p>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<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 für die Dateneingabe</li></ul><h4>Modul 05 - Modellschulung</h4><p>
<strong>Themen:</strong> Dieses Modul führt die Lernenden durch das Modelltraining und demonstriert die Konfigurationsdetails wie die Einrichtung des Kontextfensters, den Prognosehorizont und das Optimierungsziel.</p>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<li>Konfigurieren Sie das Modelltraining.</li><li>Wählen Sie das geeignete Ziel für die Trainingsoptimierung.</li></ul><h4>Modul 06 - Modellbewertung</h4><p>
<strong>Themen:</strong> Dieses Modul beschreibt die Aufteilung der Trainingsdaten, demonstriert die Bewertungsmetriken und empfiehlt Ansätze zur Verbesserung der Modellleistung.</p>
<p><strong>Zielsetzungen: </strong>
</p>
<ul>
<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>
<strong>Themen:</strong> Dieses Modul demonstriert die Modellvorhersage, insbesondere die Batch-Vorhersage mit Vertex AI Forecast. Ausserdem werden die Abläufe des maschinellen Lernens (MLOps) und der Übergang von der Entwicklung zur Produktion untersucht.</p>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<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 - Modellüberwachung</h4><p>
<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>
<p><strong>Zielsetzungen:</strong>
</p>
<ul>
<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>
<strong>Themen:</strong> Dieses Modul beschreibt einen Anwendungsfall zum Aufbau einer Prognoselösung mit Vertex AI Forecast in einem Einzelhandelsgeschäft. Es zeigt die Schritte und Überlegungen auf, geht durch eine Pilotstudie mit zwei verschiedenen Datensätzen und diskutiert die Herausforderungen und Lehren.</p>
<p><strong>Zielsetzung:</strong>
</p>
<ul>
<li>Beschreiben Sie die Schritte und Überlegungen beim Aufbau einer Prognoselösung im Einzelhandel.</li><li>Demonstration der Modellentwicklung mit verschiedenen Datensätzen.</li><li>Identifizieren Sie die Herausforderungen und die Lehren aus der Entwicklung eines Prognosemodells im Einzelhandel.</li></ul><h4>Modul 10 - Kurszusammenfassung</h4><p>
<strong>Themen:</strong> Dieses Modell befasst sich mit den Hauptfunktionen von Vertex AI Forecast und fasst die Hauptthemen der einzelnen Module zusammen.</p>
<p><strong>Zielsetzungen: </strong>Fassen Sie die Schritte zur Erstellung eines Prognosemodells mit Vertex AI zusammen.</p><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-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>- Verstehen der wichtigsten Konzepte und Anwendungen eines Sequenzmodells, von Zeitreihen und Prognosen.
- Identifizieren Sie die Optionen zur Entwicklung eines Prognosemodells auf Google Cloud.
- Beschreiben Sie den Arbeitsablauf zur Entwicklung eines Prognosemodells mit Hilfe von Vertex AI.
- Vorbereitung von Daten (einschliesslich Ingestion und Feature Engineering) unter Verwendung von BigQuery und von Vertex verwalteten Datensätzen.
- Trainieren Sie ein Prognosemodell und bewerten Sie die Leistung mit Hilfe von AutoML.
- Einsatz und Überwachung eines Prognosemodells mit Hilfe von Vertex AI Pipelines.
- Erstellen Sie eine durchgängige Prognoselösung unter Verwendung eines Einzelhandelsdatensatzes.Mit einer oder mehreren der folgenden Eigenschaften:
- Grundkenntnisse der Python-Syntax
- Grundlegendes Verständnis von Modellen des maschinellen Lernens
- Frühere Erfahrungen bei der Entwicklung von Lösungen für maschinelles Lernen in der Google CloudProfessionelle Datenanalysten, Datenwissenschaftler und ML-Ingenieure, die leistungsstarke End-to-End-Prognoselösungen auf Google Cloud erstellen und den Workflow automatisieren möchten.Modul 01 - Kurseinführung
Themen: Dieses Modul befasst sich mit den Gründen für den Aufbau einer Prognoselösung auf Google Cloud und stellt die Lernziele vor.
Zielsetzungen:
- Nennen Sie die Gründe, warum Sie Vertex AI Forecasting von Google lernen sollten.
- Lernen Sie die Kursziele kennen
Modul 02 - Grundlagen der Zeitreihen und Prognosen
Themen: Dieses Modul bietet eine theoretische Grundlage für Arten von Sequenzmodellen, Zeitreihenmuster und -analyse sowie Prognosenotationen.
Zielsetzungen:
- Identifizieren Sie die verschiedenen Arten von Sequenzmodellen.
- Identifizierung der verschiedenen Muster und Analysemethoden von Zeitreihen.
- Beschreiben Sie die wichtigsten Bezeichnungen für Prognosen.
Modul 03 - Prognosemöglichkeiten in der Google Cloud
Themen: In diesem Modul werden zwei wichtige Optionen für den Aufbau einer Prognoselösung auf Google Cloud vorgestellt: BigQuery ML und Vertex AI Forecast (AutoML). Ausserdem werden die einzigartigen Funktionen von Vertex AI Forecast untersucht und ein durchgängiger Workflow mit AutoML erkundet.
Zielsetzungen:
- Identifizieren Sie die Optionen zur Entwicklung von Prognosemodellen in der Google Cloud.
- Beschreiben Sie Vertex AI und seine Vorteile.
- Erkunden Sie den Arbeitsablauf zur Erstellung eines Prognosemodells mithilfe von Vertex AI.
Modul 04 - Datenaufbereitung
Themen: Dieses Modul befasst sich mit der Umwandlung von Originaldaten in die von Vertex AI unterstützten Datentypen und -formate. Ausserdem werden die verschiedenen Arten von Merkmalen in Zeitreihen und die besten Verfahren für die Datenaufnahme vorgestellt.
Zielsetzungen:
- Bereiten Sie die Eingabedaten so vor, dass sie den Anforderungen von Vertex AI Forecasting entsprechen.
- Demonstrieren Sie verschiedene Arten von Merkmalen.
- Beschreiben Sie die besten Praktiken für die Dateneingabe
Modul 05 - Modellschulung
Themen: Dieses Modul führt die Lernenden durch das Modelltraining und demonstriert die Konfigurationsdetails wie die Einrichtung des Kontextfensters, den Prognosehorizont und das Optimierungsziel.
Zielsetzungen:
- Konfigurieren Sie das Modelltraining.
- Wählen Sie das geeignete Ziel für die Trainingsoptimierung.
Modul 06 - Modellbewertung
Themen: Dieses Modul beschreibt die Aufteilung der Trainingsdaten, demonstriert die Bewertungsmetriken und empfiehlt Ansätze zur Verbesserung der Modellleistung.
Zielsetzungen:
- Demonstration der Aufteilung von Trainingsdaten bei Zeitreihenprognosen.
- Beschreiben Sie die Bewertungsmetriken.
- Entwerfen Sie einen Ansatz zur Verbesserung der Leistung.
Modul 07 - Einsatz von Modellen
Themen: Dieses Modul demonstriert die Modellvorhersage, insbesondere die Batch-Vorhersage mit Vertex AI Forecast. Ausserdem werden die Abläufe des maschinellen Lernens (MLOps) und der Übergang von der Entwicklung zur Produktion untersucht.
Zielsetzungen:
- Setzen Sie das Prognosemodell ein.
- Beschreiben Sie Vertex AI Pipelines und MLOps
- Verwenden Sie Batch-Vorhersagen, um Modellprognosen zu erstellen.
Modul 08 - Modellüberwachung
Themen: Dieses Modul beschreibt die Modellabweichung und den Ansatz der Modellumschulung. Ausserdem wird die Automatisierung des Prognose-Workflows mit Hilfe von Vertex AI Pipelines demonstriert
Zielsetzungen:
- Beschreiben Sie die Modellabweichung.
- Demonstration der Modellumschulung.
- Verwenden Sie Vertex AI Pipelines und vorgefertigte (SDKs), um den Prognoseworkflow zu automatisieren
Modul 09 - Scheitelpunktprognose im Einzelhandel
Themen: Dieses Modul beschreibt einen Anwendungsfall zum Aufbau einer Prognoselösung mit Vertex AI Forecast in einem Einzelhandelsgeschäft. Es zeigt die Schritte und Überlegungen auf, geht durch eine Pilotstudie mit zwei verschiedenen Datensätzen und diskutiert die Herausforderungen und Lehren.
Zielsetzung:
- Beschreiben Sie die Schritte und Überlegungen beim Aufbau einer Prognoselösung im Einzelhandel.
- Demonstration der Modellentwicklung mit verschiedenen Datensätzen.
- Identifizieren Sie die Herausforderungen und die Lehren aus der Entwicklung eines Prognosemodells im Einzelhandel.
Modul 10 - Kurszusammenfassung
Themen: Dieses Modell befasst sich mit den Hauptfunktionen von Vertex AI Forecast und fasst die Hauptthemen der einzelnen Module zusammen.
Zielsetzungen: Fassen Sie die Schritte zur Erstellung eines Prognosemodells mit Vertex AI zusammen.Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.1 Tag1495.001210.001495.001495.001300.00650.002065.00950.00950.00950.00790.00950.00