Description
このコースには、ML ワークフローに対する実践的なアプローチが含まれています。ML チームが直面しているいくつかの ML ビジネス要件とユースケースに関するケーススタディの方法を紹介します。ML チームは、データの管理とガバナンスに必要なツールを理解し、Dataflow と Dataprep の概要を提供することから前処理タスクに BigQuery を使用することまで、データの前処理に最適なアプローチを検討する必要があります。
チームには、2 つの具体的なユースケースに対して機械学習モデルを構築するための 3 つのオプションが提示されます。このコースでは、チームが目的を達成するために、AutoML、BigQuery ML、またはカスタム トレーニングを使用する理由を説明します。さらに、カスタム トレーニングについても深く掘り下げます。コード構造のトレーニング、ストレージ、大規模なデータセットの読み込みからトレーニング済みモデルのエクスポートまで、カスタム トレーニングの要件について説明します。
Docker の知識がほとんどなくてもコンテナ イメージを構築できる、カスタム トレーニングの機械学習モデルを構築します。
ケーススタディ チームは、Vertex Vizier を使用したハイパーパラメータの調整と、これを使用してモデルのパフォーマンスを改善する方法を検証します。モデル改善についての理解を深めるために、理論についても詳しく考察します。正則化、スパース性の扱いなど、数多くある重要なコンセプトと原則について説明します。最後に、予測とモデル モニタリングの概要と、ML モデルを管理するための Vertex AI の活用方法について説明します。
What you will learn
Module 0: はじめに
このモジュールでは、コースの概要と目標を説明します。
Module 1: ML に関する企業のワークフローの把握
このモジュールでは、ML に関する企業のワークフローの概要と各ステップの目的を説明します。
Module 2: 企業のデータ
このモジュールでは、以下の Google による企業のデータ管理とガバナンスのツールを確認します。Feature Store、Data Catalog、Dataplex、Analytics Hub
Module 3: 機械学習とカスタム トレーニングの科学
このモジュールでは、機械学習とニューラル ネットワークの理論と実践を確認します。また、Vertex AI を使用してカスタム ML モデルをトレーニングする方法についても説明します。
