-
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。
Overview
Syllabus
-
- はじめに
- このモジュールでは、本コースの内容とアジェンダを紹介します
- 分析と AI の概要
- このモジュールでは、GCP における機械学習(ML)のオプションについて説明します
- 非構造化データ向けの事前構築済みの ML モデル API
- このモジュールでは、事前構築済みの ML API を非構造化データに対して使用する方法について詳しく説明します
- Cloud AI Platform Notebooks を使用したビッグデータ分析
- このモジュールでは、AI Platform Notebooks の使用方法を説明します。
- カスタム ML モデルの本稼働
- 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 と AI Hub を紹介します
- BigQuery ML における 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
- Cloud AutoML を使用したカスタムモデルの構築
- このモジュールでは、コーディングなしで優れたモデルを構築できる Cloud AutoML について紹介します
- まとめ
- このモジュールでは、本コースで学んだトピックをまとめて見ていきます