GCPMLTFGC - Machine Learning with TensorFlow on Google Cloud

Thời lượng: 05 ngày

Một số nội dung chính bao gồm giới thiệu các mô hình ML khác nhau và cách sử dụng chúng, cài đặt bài toán supervised và unsupervised, xử lý và kỹ thuật rút trích tính năng từ dữ liệu thô, huấn luyện mô hình bằng gradient descent, tối ưu mô hình bằng các siêu tham số.

Phần lớn khóa học tập trung vào TensorFlow, nơi bạn học cách viết mô hình bằng TensorFlow và sử dụng các ước lượng sẵn có. Qua bài tập, bạn sẽ quen thuộc với việc huấn luyện mô hình cả local và quy mô lớn trên Google Cloud sử dụng Cloud ML Engine.

Cuối khóa, bạn sẽ biết cách triển khai dự án machine learning trọn vẹn từ dữ liệu đến mô hình đến triển khai sản phẩm trên Google Cloud Platform. Phần nội dung rộng và thực tiễn này giúp khóa học trở nên hữu ích cho ai muốn nâng cao kỹ năng thực hành machine learning với TensorFlow.

• Làm quen với Google Cloud Platform thông qua lộ trình học Google Cloud.
• Suy nghĩ chiến lược và phân tích về ML như một quy trình kinh doanh và xem xét các hàm ý về tính công bằng liên quan đến ML
• Cách thức hoạt động của tối ưu hóa ML và cách các siêu tham số khác nhau ảnh hưởng đến các mô hình trong quá trình tối ưu hóa
• Cách viết các mô hình trong TensorFlow bằng cả các ước tính được tạo sẵn cũng như các ước tính tùy chỉnh và đào tạo chúng cục bộ hoặc trong Nền tảng AI trên đám mây
• Tại sao kỹ thuật tính năng lại quan trọng đối với thành công và cách bạn có thể sử dụng nhiều công nghệ khác nhau bao gồm Cloud Dataflow và Cloud Dataprep

Mô-đun 1: Google thực hiện Học máy như thế nào

• Phát triển chiến lược dữ liệu xung quanh học máy.
• Kiểm tra các trường hợp sử dụng sau đó được hình dung lại thông qua lăng kính ML.
• Nhận ra các thành kiến ​​mà ML có thể khuếch đại.
• Tận dụng các công cụ và môi trường của Google Cloud Platform để thực hiện ML.
• Học hỏi từ kinh nghiệm của Google để tránh những cạm bẫy phổ biến.
• Thực hiện các tác vụ khoa học dữ liệu trong sổ ghi chép cộng tác trực tuyến.
• Gọi các mô hình ML được đào tạo trước từ Cloud Datalab.

Mô-đun 2: Khởi chạy Học máy

• Xác định lý do tại sao học sâu hiện đang phổ biến.
• Tối ưu hóa và đánh giá các mô hình bằng cách sử dụng các hàm mất mát và số liệu hiệu suất.
• Giảm thiểu các vấn đề phổ biến phát sinh trong học máy.
• Tạo các tập dữ liệu đào tạo, đánh giá và thử nghiệm có thể lặp lại và mở rộng.

Mô-đun 3: Giới thiệu về TensorFlow

• Tạo các mô hình học máy trong TensorFlow.
• Sử dụng các thư viện TensorFlow để giải quyết các vấn đề số.
• Khắc phục sự cố và gỡ lỗi các lỗi mã TensorFlow phổ biến.
• Sử dụng tf_estimator để tạo, đào tạo và đánh giá mô hình ML.
• Đào tạo, triển khai và sản xuất các mô hình ML ở quy mô lớn với Cloud ML Engine.

Mô-đun 4: Kỹ thuật tính năng

• Biến dữ liệu thô thành các vectơ tính năng.
• Xử lý trước và tạo các đường ống tính năng mới với Cloud Dataflow.
• Tạo và triển khai các phép giao thoa tính năng và đánh giá tác động của chúng.
• Viết mã TensorFlow Transform để thiết kế tính năng.

Mô-đun 5: Nghệ thuật và khoa học của ML

• Tối ưu hóa hiệu suất mô hình với điều chỉnh siêu tham số.
• Thử nghiệm với mạng nơ-ron và tinh chỉnh hiệu suất.
• Cải thiện các tính năng mô hình ML bằng các lớp nhúng.
• Tạo mã mô hình tùy chỉnh có thể tái sử dụng với Custom Estimator.

• Các nhà khoa học và kỹ sư dữ liệu học máy đầy tham vọng
• Các nhà khoa học học máy, nhà khoa học dữ liệu và nhà phân tích dữ liệu muốn tiếp xúc với học máy trên đám mây bằng cách sử dụng TensorFlow 2.x và Keras.
• Kỹ sư dữ liệu

• Có một số hiểu biết về các khái niệm học máy cơ bản
• Thành thạo cơ bản với ngôn ngữ lập trình - Ưu tiên Python

Khóa học này không đi kèm đến bất kỳ chứng nhận nào.

Hãy liên hệ qua Fanpage Trainocate Vietnam để nhận thêm thông tin thi chứng chỉ Google Cloud.

Tìm hiểu thêm về các khóa học Google Cloud tại Trainocate Vietnam nhé!