Am Ende des Seminars sind die Teilnehmenden in der Lage, mit Vertex AI leistungsfähige, skalierbare und wartbare ML-Modelle zu entwickeln und produktiv bereitzustellen. Sie können Projekte planen, Daten verwalten, Modelle trainieren und optimieren, deren Qualität fundiert bewerten, Modelle versionieren und deployen sowie Trainings- und Deployment-Workflows automatisieren und überwachen.
Model Garden und Gemini über die Vertex-AI-API als Teil derselben Plattform
Einordnung: prädiktive ML-Modelle vs. generative Modelle; wann was sinnvoll ist
Grundlagen Prompting/Grounding und Anbindung an bestehende GCP-Dienste
Praktische Übung 2: Training, Deployment und Automatisierung
Problemstellung: Ein Modell trainieren, evaluieren, registrieren und bereitstellen
Lösung: Algorithmus/Verfahren wählen, Training und Tuning durchführen, Modell in der Registry versionieren, über einen Endpoint bereitstellen; optional als Pipeline automatisieren
Ergebnis: Ein trainiertes, validiertes und bereitgestelltes Modell, das in einer Anwendung genutzt werden kann
Dauer/zeitlicher Ablauf:
2 Tage
Zielgruppe:
Dieses Seminar richtet sich an Datenwissenschaftler, ML-/KI-Ingenieure, Data Engineers, IT-Administratoren und Entwickler, die ML-Modelle auf Google Cloud entwickeln und produktiv betreiben möchten.
Teilnahmevoraussetzungen
Sie verfügen über grundlegende Kenntnisse in Datenanalyse und maschinellem Lernen.
Sie besitzen erste Erfahrungen im Umgang mit Cloud-Computing-Umgebungen.
Sie benötigen Python-Grundkenntnisse für die praktischen Übungen.
Sie sollten mit grundlegenden Konzepten von Datenverarbeitung und Softwareentwicklung vertraut sein.
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern.
Diese Cookies werden nicht automatisiert gesetzt.
Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren.
Weitere Informationen finden Sie hier.
