หลักสูตร GCP Professional Machine Learning Engineer
หลักสูตร GCP Machine Learning Engineer ที่มีโครงสร้างครอบคลุมสถาปัตยกรรม ML ไปป์ไลน์ข้อมูล Vertex AI การขยายระบบ ความปลอดภัย และ MLOps พร้อมคำถาม
เนื้อหาฝึกหัดต้นฉบับ: คำถามเหล่านี้เป็นแบบฝึกที่เขียนขึ้นอย่างอิสระ ไม่ใช่ข้อสอบจริงหรือข้อสอบทางการ และ QuestionBank ไม่มีความเกี่ยวข้องหรือได้รับการรับรองจากองค์กรสอบหรือผู้จัดการทดสอบใดๆ
ความคืบหน้าของคอร์ส
0 / 5
กลับไปคอร์ส
สิ่งที่คุณจะได้เรียนรู้
- อธิบายสถาปัตยกรรม Vertex AI
- สร้างไปป์ไลน์ข้อมูล
- ฝึกและให้บริการโมเดล
- อธิบายการขยายและความปลอดภัย
- อธิบาย MLOps และธรรมาภิบาล
ก่อนเริ่มเรียน
- แนะนำประสบการณ์จริงในการสร้างโมเดล ML
- ความรู้บริการข้อมูลและ ML ของ Google Cloud ช่วยได้
- ความเข้าใจ Python และเวิร์กโหลดคอนเทนเนอร์มีประโยชน์
บทเรียน 1 การออกแบบโซลูชัน ML ด้วย Vertex AI
Vertex AI รวมการฝึก AutoML Endpoint Pipeline การทดลอง และ Feature Store ออกแบบขั้นตอนที่ทำซ้ำได้ แยกเวอร์ชันโมเดล และให้บริการการคาดการณ์ผ่าน Endpoint TensorBoard เทียบรัน และ Model Garden มีโมเดลพร้อมใช้
ตัวอย่าง
ตัวอย่าง: ทีมใช้ Pipelines Experiments Feature Store และ Endpoint เพื่อนำโมเดลไปสู่การใช้งานจริงบทเรียน 2 การสร้างไปป์ไลน์ข้อมูลประสิทธิภาพสูง
Dataflow รวมสตรีมและแบตช์ Pub/Sub รับอีเวนต์ BigQuery วิเคราะห์ SQL Cloud Storage เก็บอาร์ติแฟกต์ Dataproc รัน Spark Composer จัดลำดับงาน Reservation ควบคุมต้นทุน
ตัวอย่าง
ตัวอย่าง: ไปป์ไลน์สตรีมอ่านอีเวนต์จาก Pub/Sub แปลงด้วย Dataflow และให้บริการฟีเจอร์บทเรียน 3 การฝึกและให้บริการโมเดลบน Vertex AI
Custom Job รันคอนเทนเนอร์ AutoML ฝึกแบบไร้โค้ด Tuning หาพารามิเตอร์ Vizier เพิ่มประสิทธิภาพ Explainable AI อธิบาย Forecast คาดการณ์ Registry บันทึกเวอร์ชัน Endpoint แบ่งทราฟิก
ตัวอย่าง
ตัวอย่าง: ฝึกคอนเทนเนอร์ ลงทะเบียนเวอร์ชันที่ดีที่สุด และปล่อย 10% ของทราฟิกบทเรียน 4 การขยายระบบ ความปลอดภัย และการปฏิบัติตาม
Min/Max Replica และ Autoscaling รองรับทราฟิก Batch Prediction จัดการงานใหญ่ Quota จำกัด GPU/TPU VPC-SC CMEK Endpoint ส่วนตัว และ Service Account ให้ความปลอดภัย DLP ปกปิดข้อมูล
ตัวอย่าง
ตัวอย่าง: Endpoint ใช้ Replica 2-10 รายการ VPC-SC และ Endpoint ส่วนตัวบทเรียน 5 MLOps การติดตามและธรรมาภิบาล
Model Monitoring ตรวจจับ Skew และ Drift Registry จัดการเวอร์ชันและ Alias Cache หลีกเลี่ยงขั้นตอนซ้ำ Metadata เก็บ Lineage Logging ตรวจสอบ Continuous Training ทำให้โมเดลทันสมัย