Smart Analytics, Machine Learning, and AI on GCP 日本語版
Google Cloud and Google via Coursera
-
29
-
- Write review
Overview
Class Central Tips
機械学習をデータ パイプラインに組み込むことで、企業はデータから効率的に分析情報を抽出できるようになります。このコースでは、必要なカスタマイズの程度に応じて、Google Cloud Platform で機械学習をデータ パイプラインに組み込む方法をいくつか説明します。たとえば、ほとんどあるいはまったくカスタマイズが必要ない場合向けの AutoML、機械学習機能の大幅なカスタマイズが必要な場合向けの AI Platform Notebooks と BigQuery Machine Learning を紹介します。また、このコースでは、Kubeflow を使用して機械学習ソリューションを本稼働させる方法についても説明します。受講者は Qwiklabs を使用して、Google Cloud Platform での機械学習モデルの構築を実際に体験することができます。
Syllabus
- はじめに
- このモジュールでは、コースおよびアジェンダについて紹介します
- 分析と AI の概要
- このモジュールでは、Google Cloud で利用可能な ML の種類について説明します
- 非構造化データ用の事前構築済み ML モデル API
- このモジュールでは、非構造化データ用の事前構築済み ML モデル API の使用方法について説明します
- Notebooks を使用したビッグデータ分析
- このモジュールでは、Notebooks の使用方法について説明します
- Kubeflow を使用した本番環境の ML パイプライン
- このモジュールでは、カスタム ML モデルの構築について説明し、Kubeflow および AI Hub について紹介します
- BigQuery ML で SQL を使用したカスタムモデルの構築
- このモジュールでは、BigQuery ML について説明します
- AutoML を使用したカスタムモデルの構築
- AutoML を使用したカスタムモデルの構築
- Module 7: まとめ
- このモジュールでは、コースで扱ったトピックについて復習します
Taught by
Google Cloud Training