Este curso ensina aos participantes as seguintes habilidades:

• Comprender cando utilizar AutoML e BigQuery ML.
• Crear datasets xestionados por Vertex AI.
• Agregar características ao Vertex AI Feature Store.
• Describir Analytics Hub, Dataplex e Data Catalog.
• Describir como mellorar o rendemento do modelo.
• Crear un caderno xestionado por Vertex AI Workbench, construír un traballo de adestramento personalizado e despregalo mediante un contedor Docker.
• Describir predicións por lotes e en liña e monitorización do modelo.
• Describir como mellorar a calidade dos datos e explorar os mesmos.
• Construír e adestrar modelos de aprendizaxe supervisada.
• Optimizar e avaliar modelos mediante funcións de perda e métricas de rendemento.
• Crear datasets de adestramento, avaliación e proba repetibles e escalables.
• Implementar modelos de ML mediante TensorFlow ou Keras.
• Comprender os beneficios de utilizar a enxeñería baseada en características.
• Explicar a monitorización de modelos e os procesos de Vertex AI.

Exame de certificación incluído: Professional Machine Learning Engineer

Este curso está dirixido aos seguintes perfís laborais:

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

 
Para aproveitar ao máximo este curso, os participantes deben ter:

• Conceptos básicos de Machine Learning.
• Coñecementos básicos dalgunha linguaxe de programación, preferiblemente Python.
• Recomendable ter coñecemento nivel medio comprensión lectora de ínguas.

Os nosos formadores son persoas con máis de 5 anos de experiencia en áreas de alta especialización técnica nos ámbitos de aplicación. Dispoñen das certificacións oficiais do fabricante (neste caso Google) para impartir estes cursos