Cursos de formación
MACHINE LEARNING ON GOOGLE CLOUD
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
30/10/2024
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 EngineerMódulo 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 MLMódulo 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
PROFESOR ESPECIALIZADO
Equipamiento
EQUIPAMIENTO PLATAFORMA CTA
Fecha y hora previstas de la seleccion
Fecha Selección 06/11/2024
Hora Selección 16:00