Overview
まず、データ品質を向上させる方法や探索的データ分析を実行する方法など、データについての議論から始めます。Vertex AI AutoML についてと、コードを 1 行も記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。BigQuery ML のメリットを理解していただけます。その後、機械学習(ML)モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けの ML モデルの品質を評価する方法を説明します。
Syllabus
- はじめに
- このモジュールでは、コースの概要とその目標を説明します。
- データについて知る: 探索的データ分析によるデータ品質の改善
- このモジュールでは、探索的データ分析を実行することで、データの品質を向上させる方法と、データを探索する方法について紹介します。機械学習におけるデータ整理の重要性について説明し、データ品質にどのように影響するかを説明します。たとえば、欠損値があると結果に歪みが生じる可能性があります。また、データ探索の重要性についても学びます。データを整理したら、データセットに対して探索的データ分析を実行しましょう。
- 機械学習の実践
- このモジュールでは、ML 担当者としての成長を加速できるように、機械学習の主要なタイプを紹介します。
- Vertex AI を使用した AutoML モデルのトレーニング
- このモジュールでは、Vertex AI を使用した AutoML モデルのトレーニングについて紹介します。
- BigQuery の機械学習: データが存在する ML モデルの開発
- このモジュールでは、BigQuery ML とその機能を紹介します。
- 最適化
- このモジュールでは、ML モデルを最適化する方法を説明します。
- 一般化とサンプリング
- 次に、かなり変わった質問にお答えいただきます。最も正確な ML モデルが適切な選択モデルではないのは、どのような場合ですか? 最適化に関する最後のモジュールで示唆したとおり、モデルのトレーニング データセットの損失指標が 0 だからといって、実際の環境の新しいデータでうまく機能するわけではありません。再現可能なトレーニング、評価、テスト データセットを作成し、パフォーマンス ベンチマークを確立する方法を学習します。
Taught by
Google Cloud Training