MACHINE LEARNING ON GOOGLE CLOUD

Volver

MACHINE LEARNING ON GOOGLE CLOUD

Datos del curso 24/0999.051

Familia: INFORMÁTICA Y COMUNICACIONES

Certificado profesional: NO

Modalidad

Presencial

Horas

36

Fecha

18/11/2024

Tipo de formación

General

Horario

Presencial de 16:30-21:00 h

Fecha fin

28/11/2024

Alumnos

16

Fin inscripción

Datos del centro

Localidad:

ZARAGOZA

Teléfono:

976715153

Responsable:

José Antonio Barrabés

Dirección:

Avda. Alcalde Ramón Sainz de Varanda, 15

Requisitos para realizar el curso

Requisitos

Requisitos especificos

Tener experiencia equivalente sobre conceptos básicos del aprendizaje automático
Competencia básica con un lenguaje de programación, preferiblemente Python

Finalidad y Programa del curso

Finalidad

Formar de manera actualizada a profesionales para su inmediata adecuación laboral.

Programa

Examen de certificación incluido: Professional Machine Learning Engineer
Módulo 1: Cómo hace Google el aprendizaje automático
· Describir Vertex AI Platform y cómo se utiliza para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código.
· Describir las mejores prácticas para implementar el aprendizaje automático en Google Cloud.
· Desarrollar una estrategia de datos en torno al aprendizaje automático
· Examinar casos de uso que luego se vuelven a imaginar a través de una ML lens
· Aprovechar las herramientas y el entorno de Google Cloud Platform para hacer ML
Módulo 2: Lanzamiento al aprendizaje automático
· Describir Vertex AI AutoML y cómo construir, entrenar e implementar un modelo ML sin escribir una sola línea de código.
· Describir Big Query ML y sus beneficios.
· Describir cómo mejorar la calidad de los datos.
· Realizar análisis exploratorio de datos.
· Construir y entrenar modelos de aprendizaje supervisado.
· Optimizar y evaluar modelos utilizando funciones de pérdida y métricas de rendimiento.
· Mitigar los problemas comunes que surgen en el aprendizaje automático.
· Crear conjuntos de datos de prueba, evaluación y capacitación repetibles y escalables.
Módulo 3: TensorFlow en Google Cloud
· Crear modelos de aprendizaje automático de TensorFlow y Keras.
· Describir los componentes clave de TensorFlow.
· Utilizar la biblioteca tf.data para manipular datos y grandes conjuntos de datos.
· Crear un modelo ML utilizando capas de preprocesamiento de tf.keras.
· Utilizar las Functional APIs y Keras Sequential para la creación de modelos simples y avanzados.
· Comprender cómo se pueden usar las subclases de modelos para modelos más personalizados.
Módulo 4: Ingeniería de características
· Describir el Vertex AI Feature Store.
· Comparar los aspectos clave requeridos de una buena característica.
· Mezclar y crear nuevas combinaciones de características a través de cruces de características.
· Realizar ingeniería de características mediante BQML, Keras y TensorFlow.
· Comprender cómo preprocesar y explorar características con Cloud Dataflow y Cloud Dataprep.
· Comprender y aplicar cómo TensorFlow transforma las características.
Módulo 5: Aprendizaje automático en la empresa
· Comprender las herramientas necesarias para la gestión y el gobierno de datos
· Describir el mejor enfoque para el preprocesamiento de datos: desde proporcionar una descripción general de DataFlow y DataPrep hasta usar SQL para tareas de preprocesamiento.
· Explicar en qué se diferencian AutoML, BQML y el entrenamiento personalizado y cuándo usar un marco en particular.
· Describir el ajuste de hiperparámetros con Vertex Vizier y cómo se puede utilizar para mejorar el rendimiento del modelo.
· Explicar la predicción y el monitoreo de modelos y cómo se puede usar Vertex AI para administrar modelos de ML.
· Describir los beneficios de Vertex AI Pipelines

Profesorado

Equipamiento

Fecha y hora previstas de la seleccion

Fecha Selección 06/11/2024

Hora Selección 16:00