Machine Learning on Google Cloud Eğitimi

  • Eğitim Tipi: Classroom
  • Süre: 5 Gün
  • Seviye: Intermediate
Bu eğitimi kendi kurumunuzda planlayabilirsiniz. Bize Ulaşın!

Bu eğitimde Google Cloud'da yapay zeka aracılığıyla veriden yapay zekaya yaşam döngüsünü destekleyen yapay zeka (AI) ve makine öğrenimi (ML) teklifleri tanıtılmaktadır.

Temeller, yapay zeka geliştirme ve yapay zeka çözümleri. Bir makine öğrenimi modeli, makine öğrenimi hattı ve üretken bir yapay zeka projesi oluşturmak için mevcut teknolojileri, ürünleri ve araçları araştırıyor. Tek satır kod yazmadan AutoML modellerini nasıl oluşturacağınızı öğrenirsiniz; SQL'i kullanarak BigQuery ML modelleri oluşturun ve Keras ve TensorFlow'u kullanarak Vertex AI özel eğitim işleri oluşturun. Ayrıca veri ön işleme tekniklerini ve özellik mühendisliğini de keşfedersiniz.

Bu eğitim kimlere yönelik?

  • Gelecek vadeden makine öğrenimi veri bilimcileri ve mühendisleri
  • Veri bilimcileri, ML geliştiricileri, ML mühendisleri, veri mühendisleri, veri analistleri
  • Bu iş rollerinde müşterilerle çalışan Google ve iş ortağı saha personeli

Ürünler

  • Vertex AI
  • Otomatik ML
  • BigQuery ML
  • Vertex AI Ardışık Düzenleri
  • TensorFlow
  • Model Bahçe
  • Üretken Yapay Zeka Stüdyosu
  • Büyük dil modeli (LLM) API'leri
  • Doğal Dil API'si
  • Vertex AI Çalışma Tezgahı
  • Vertex AI Özellik Mağazası
  • Vezir
  • Veri kompleksi
  • Analitik Merkezi
  • Veri Kataloğu
  • TensorFlow
  • Vertex AI Tensör Kartı
  • Veri akışı
  • Veri hazırlama
  • Vertex AI Ardışık Düzenleri

Bu eğitimden en iyi şekilde yararlanmak için katılımcıların aşağıdaki özelliklere sahip olması gerekir:

  • Temel makine öğrenimi kavramlarına biraz aşinalık
  • Bir betik dili, tercihen Python ile ilgili temel yeterlilik

  • Makine öğrenimi modeli, makine öğrenimi hattı ve Üretken Yapay Zeka projesi oluşturmaya yönelik teknolojileri, ürünleri ve araçları açıklayın.
  • AutoML ve BigQuery ML'nin ne zaman kullanılacağını anlayın.
  • Vertex AI tarafından yönetilen veri kümeleri oluşturun.
  • Vertex AI Özellik Mağazasına özellikler ekleyin.
  • Analytics Hub'ı, Dataplex'i ve Data Catalog'u açıklayın.
  • Model performansının nasıl iyileştirileceğini açıklayın.
  • Vertex AI Workbench kullanıcı tarafından yönetilen not defteri oluşturun, özel bir eğitim işi oluşturun ve bunu bir Docker konteyneri kullanarak dağıtın.
  • Toplu ve çevrimiçi tahminleri ve model izlemeyi açıklayın.
  • Veri kalitesini nasıl iyileştireceğinizi ve verilerinizi nasıl keşfedeceğinizi açıklayın.
  • Denetimli öğrenme modelleri oluşturun ve eğitin.
  • Kayıp fonksiyonlarını ve performans ölçümlerini kullanarak modelleri optimize edin ve değerlendirin.
  • Tekrarlanabilir ve ölçeklenebilir eğitim, değerlendirme ve test veri kümeleri oluşturun.
  • TensorFlow veya Keras kullanarak ML modellerini uygulayın.
  • Özellik mühendisliğini kullanmanın faydalarını anlayın.
  • Vertex AI Model İzleme ve Vertex AI Pipelines'ı açıklayın.

Google Cloud'da Yapay Zeka ve Makine Öğrenimine Giriş

  • Google Cloud'daki AI/ML çerçevesini tanıyın.
  • Google Cloud altyapısının ana bileşenlerini tanımlayın.
  • Google Cloud'daki verileri ve makine öğrenimi ürünlerini ve bunların veriden yapay zekaya yaşam döngüsünü nasıl desteklediğini tanımlayın.
  • Yapay zekaya veri taşımak için BigQueryML ile bir makine öğrenimi modeli oluşturun.
  • Google Cloud'da makine öğrenimi modeli oluşturmak için farklı seçenekler tanımlayın.
  • Önceden eğitilmiş API'lerin, AutoML'nin ve özel eğitimin temel özelliklerini ve uygulanabilir durumlarını öğrenin.
  • Metni analiz etmek için Natural Language API'yi kullanın.
  • ML modeli oluşturma iş akışını tanımlayın.
  • Google Cloud'da MLOps'u ve iş akışı otomasyonunu açıklayın.
  • Vertex AI'da AutoML'yi kullanarak uçtan uca bir ML modeli oluşturun.
  • Üretken yapay zeka ve büyük dil modellerini tanımlayın.
  • Yapay zeka geliştirmede üretken yapay zeka yeteneklerini kullanın.
  • Yapay zeka çözümlerini ve yerleşik üretken yapay zeka özelliklerini tanıyın.
  • Uygulamalı Laboratuvarlar
  • Modül Sınavları
  • Modül Okumaları

Makine Öğrenimine Geçiş

  • Veri kalitesinin nasıl artırılacağını açıklayın.
  • Keşif amaçlı veri analizi gerçekleştirin.
  • Denetimli öğrenme modelleri oluşturun ve eğitin.
  • AutoML'yi ve tek bir satır kod yazmadan bir ML modelinin nasıl oluşturulacağını, eğitileceğini ve dağıtılacağını açıklayın.
  • BigQuery ML'yi ve avantajlarını açıklayın.
  • Kayıp fonksiyonlarını ve performans ölçümlerini kullanarak modelleri optimize edin ve değerlendirin.
  • Makine öğreniminde ortaya çıkan yaygın sorunları azaltın.
  • Tekrarlanabilir ve ölçeklenebilir eğitim, değerlendirme ve test veri kümeleri oluşturun.
  • Uygulamalı Laboratuvarlar
  • Modül Sınavları
  • Modül Okumaları

Google Cloud'da TensorFlow

  • TensorFlow ve Keras makine öğrenimi modelleri oluşturun.
  • TensorFlow ana bileşenlerini açıklayın.
  • Verileri ve büyük veri kümelerini yönetmek için tf.data kitaplığını kullanın.
  • Tf.keras ön işleme katmanlarını kullanan bir ML modeli oluşturun.
  • Basit ve gelişmiş model oluşturmak için Keras Sıralı ve İşlevsel API'lerini kullanın.
  • Vertex AI Eğitim Hizmeti ile makine öğrenimi modellerini uygun ölçekte eğitin, dağıtın ve üretime geçirin.
  • Uygulamalı Laboratuvarlar
  • Modül Sınavları
  • Modül Okumaları

Özellik Mühendisliği

  • Vertex AI Özellik Mağazasını açıklayın.
  • İyi bir özelliğin gerekli temel yönlerini karşılaştırın.
  • Görüntü verileri, metin verileri ve sıra verileriyle çalışmak için tf.keras.preprocessing yardımcı programlarını kullanın.
  • BigQuery ML, Keras ve TensorFlow'u kullanarak özellik mühendisliği gerçekleştirin.
  • Uygulamalı Laboratuvarlar
  • Modül Sınavları
  • Modül Okumaları

İşletmelerde Makine Öğrenimi

  • Veri yönetimi ve idaresi için gerekli araçları anlayın.
  • Veri ön işleme için en iyi yaklaşımı açıklayın: Dataflow ve Dataprep'e genel bir bakış sağlamaktan, ön işleme görevleri için SQL kullanmaya kadar.
  • AutoML, BigQuery ML ve özel eğitimin nasıl farklılaştığını ve belirli bir çerçevenin ne zaman kullanılması gerektiğini açıklayın.
  • Model performansını iyileştirmek için Vertex AI Vizier'ı kullanarak hiper parametre ayarlamasını açıklayın.
  • Tahmin ve model izlemeyi ve Vertex AI'nin makine öğrenimi modellerini yönetmek için nasıl kullanılabileceğini açıklayın.
  • Vertex AI Pipelines'ın avantajlarını açıklayın.
  • Model dağıtımı ve sunumu, model izleme, Vertex AI Pipelines ve yapı organizasyonu için en iyi uygulamaları açıklayın.
  • Uygulamalı Laboratuvarlar
  • Modül Sınavları
  • Modül Okumaları


Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!

Yakın tarihte açılacak eğitimler

Sınıf eğitimlerimizi İstanbul, Ankara ve Londra ofislerimizde düzenlemekteyiz. Kurumunuza özel eğitimleri ise, dilediğiniz tarih ve lokasyonda organize edebiliriz.

Classroom / Virtual Classroom
17 Haziran 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
20 Temmuz 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
04 Ağustos 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
08 Ağustos 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
12 Ağustos 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
13 Ağustos 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
19 Ağustos 2024
İstanbul, Ankara, Londra
5 Gün
Classroom / Virtual Classroom
06 Eylül 2024
İstanbul, Ankara, Londra
5 Gün
Sitemizi kullanarak çerezlere (cookie) izin vermektesiniz. Detaylı bilgi için Çerez Politika'mızı inceleyebilirsiniz.