Este curso enseña a los participantes las siguientes habilidades:

• Comprender cuándo utilizar AutoML y BigQuery ML.
• Crear datasets gestionados por Vertex AI.
• Agregar características al Vertex AI Feature Store.
• Describir Analytics Hub, Dataplex y Data Catalog.
• Describir cómo mejorar el rendimiento del modelo.
• Crear un cuaderno gestionado por Vertex AI Workbench, construir un trabajo de entrenamiento personalizado y desplegarlo mediante un contenedor Docker.
• Describir predicciones por lotes y online y monitorización del modelo.
• Describir cómo mejorar la calidad de los datos y explorar los mismos.
• Construir y entrenar modelos de aprendizaje supervisado.
• Optimizar y evaluar modelos mediante funciones de pérdida y métricas de rendimiento.
• Crear datasets de entrenamiento, evaluación y prueba repetibles y escalables.
• Implementar modelos de ML mediante TensorFlow o Keras.
• Comprender los beneficios de utilizar la ingeniería basada en características.
• Explicar la monitorización de modelos y los procesos de Vertex AI.

Examen de certificación incluido: Professional Machine Learning Engineer

Este curso está dirigido a los siguientes perfiles laborales:

• Futuros analistas de datos de machine learning, científicos de datos e ingenieros de datos.
• Alumnos que desean aprender ML y utilizar Vertex AI, AutoML, BigQuery ML, Vertex AI Feature Store, Vertex AI Workbench, Dataflow, Vertex AI Vizier para ajuste de hiperparámetros y TensorFlow/Keras.

Para aprovechar al máximo este curso, los participantes deben tener:

• Conceptos básicos de Machine Learning.
• Conocimientos básicos de algún lenguaje de programación, preferiblemente Python.
• Recomendable tener conocimiento nivel medio comprensión lectora de ingles.

Nuestros formadores son personas con más de 5 años de experiencia en áreas de alta especialización técnica en los ámbitos de aplicación. Disponen de las certificaciones oficiales del fabricante (en este caso Google) para impartir estos cursos