Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Machine Learning in the Enterprise - Italiano

Google Cloud via Coursera

Go to class Write review

Overview

Google, IBM & Meta Certificates – 40% Off

One plan covers every Professional Certificate on Coursera.

Unlock All Certificates

Questo corso adotta un approccio pratico reale al flusso di lavoro ML attraverso un case study. Un team ML è chiamato a rispondere a numerosi requisiti aziendali e ad affrontare vari casi d'uso ML. Deve comprendere gli strumenti necessari per la gestione e la governance dei dati e considerare l'approccio migliore per la pre-elaborazione dei dati. Al team vengono presentate tre opzioni per creare modelli ML per due casi d'uso. Il corso spiega perché il team utilizzerà AutoML, BigQuery ML o l'addestramento personalizzato per raggiungere i propri obiettivi.

Syllabus

Introduzione

Questo modulo fornisce una panoramica del corso e dei suoi obiettivi.

Comprensione del flusso di lavoro aziendale ML

Questo modulo descrive il flusso di lavoro aziendale ML e lo scopo di ogni passaggio.

Dati in azienda

Questo modulo esamina gli strumenti di gestione e governance dei dati aziendali di Google: Feature Store, Data Catalog, Dataplex e Analytics Hub.

Scienza del machine learning e addestramento personalizzato

Questo modulo esamina l'arte e la scienza del machine learning e delle reti neurali. Illustra inoltre come addestrare modelli ML personalizzati con Vertex AI.

Ottimizzazione degli iperparametri mediante Vertex Vizier

Questo modulo illustra come ottimizzare gli iperparametri utilizzando Vertex AI Vizier.

Previsione e monitoraggio dei modelli con Vertex AI

Questo modulo illustra la previsione e il monitoraggio dei modelli di Vertex AI. Innanzitutto, esamineremo le previsioni batch e online utilizzando container predefiniti e personalizzati, quindi passeremo al monitoraggio dei modelli, che è un servizio che aiuta a gestire le prestazioni dei modelli ML.