Build and Deploy Machine Learning Solutions on Vertex AI
This skill badge quest is for professional Data Scientists and Machine Learning Engineers. The datasets and labs are built around high business impact enterprise machine learning use cases; these include retail customer lifetime value prediction, mobile game churn prediction, visual car part defection identification, and fine tuning BERT for review sentiment classification. Learners who complete this skill badge will gain hands-on experience with Vertex AI for new and existing ML workloads and be able to leverage AutoML, custom training, and new MLOps services to significantly enhance development productivity and accelerate time to value.
A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
Conclua esta atividade e ganhe um selo. Impulsione sua carreira na nuvem divulgando as habilidades que você aprendeu.
Vertex AI: Qwik Start
Neste laboratório, você vai usar o BigQuery para processar e analisar os dados detalhadamente, além de treinar e implantar um modelo regressor personalizado do TensorFlow com a plataforma Vertex AI para prever o Valor de vida útil do cliente (CLV). O objetivo do laboratório é apresentar a Vertex AI com um caso de uso real de alto valor, a previsão de CLV. Você vai começar com um fluxo de trabalho local no BigQuery e no TensorFlow e depois vai seguir para o treinamento e a implantação do modelo na nuvem com a Vertex AI.
Como identificar partes danificadas de um carro usando o Vertex AutoML Vision
Neste laboratório, você vai aprender a treinar um modelo de classificação de imagens personalizado da Vertex AI para identificar partes danificadas de um carro.
Implante um classificador de desligamento de usuários do cliente do BigQuery ML no Vertex AI para previsões on-line
Neste laboratório, você vai treinar, ajustar, avaliar, explicar e gerar previsões on-line e em lote com um modelo do BigQuery ML XGBoost. Você vai usar um conjunto de dados do Google Analytics 4 extraído de um aplicativo real para dispositivos móveis, o Flood it!, para determinar a probabilidade de os usuários usarem o aplicativo novamente. Você vai gerar previsões em lote com seu modelo do BigQuery ML, além de exportá-lo e implementá-lo no Vertex AI para fazer previsões on-line.
Vertex Pipelines: Qwik Start
Neste laboratório, você vai criar pipelines de ML usando a Vertex AI
Laboratório com desafio: como criar e implantar soluções de machine learning com a Vertex AI
Neste laboratório com desafio, você vai treinar, implantar e criar um modelo de pipeline usando a Vertex AI.
Informações da Quest
- Write and train models locally in a hosted Vertex Notebook
- Containerize your training code and push it to Google Cloud Artifact Registry
- Create managed image dataset artifacts for experiment tracking
- Train a BigQuery ML (BQML) XGBoost classifier
- Trigger a training job using the Vertex AI Console
- Create a custom model evaluation component using the KFP SDK
- Incorporate pre-built KFP components into your pipeline
- Deploy your trained models to a Vertex Endpoint for online predictions
- Query your model for online predictions and explanations