Об этом курсе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 20 часа на выполнение

Предполагаемая нагрузка: 1 Woche Studium, 8–12 Stunden/Woche...

Немецкий

Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский...

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 20 часа на выполнение

Предполагаемая нагрузка: 1 Woche Studium, 8–12 Stunden/Woche...

Немецкий

Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский...

Программа курса: что вы изучите

Неделя
1
1 ч. на завершение

Willkommen zum serverlosen maschinellen Lernen mit der Google Cloud Platform

2 видео ((всего 5 мин.)), 1 материал для самостоятельного изучения, 1 тест
2 видео
Überlegungen zum maschinellen Lernen2мин
1 материал для самостоятельного изучения
Kursressourcen herunterladen10мин
1 практическое упражнение
ML-Kurs – Vorabfragen30мин
3 ч. на завершение

Modul 1: Einführung in maschinelles Lernen

21 видео ((всего 109 мин.)), 2 тестов
21 видео
Arten von ML3мин
Die ML-Pipeline2мин
Varianten des ML-Modells7мин
ML-Problem eingrenzen2мин
Maschinelles Lernen (ML) ausprobieren8мин
Optimierung9мин
Sichere Testumgebung für neuronale Netzwerke18мин
Funktionen kombinieren3мин
Feature Engineering3мин
Bildmodelle5мин
Effektives ML2мин
Was macht ein gutes Dataset aus?5мин
Fehlermesswerte3мин
Genauigkeit2мин
Genauigkeit und Trefferquote5мин
Datasets für maschinelles Lernen erstellen3мин
Datasets aufteilen6мин
Python-Notebooks1мин
Übersicht zum Lab "Datasets für maschinelles Lernen erstellen"3мин
Zusammenfassung zum Lab "Datasets für maschinelles Lernen erstellen"2мин
1 практическое упражнение
Quiz zu Modul 130мин
6 ч. на завершение

Modul 2: ML-Modelle mit TensorFlow erstellen

15 видео ((всего 65 мин.)), 5 тестов
15 видео
Was ist TensorFlow?5мин
Core TensorFlow5мин
Übersicht zum Lab "Einführung in TensorFlow"7
Zusammenfassung zum TensorFlow-Lab10мин
Estimator API8мин
Maschinelles Lernen mit tf.estimator15
Zusammenfassung zum Lab "Estimator"7мин
Effektives ML ermöglichen6мин
Einführung zum Lab "Refaktorierung zum Hinzufügen von Stapelverarbeitung und Funktionserstellung"38
Zusammenfassung zum Lab "Refaktorierung"4мин
Trainieren und Bewerten4мин
Monitoring1мин
Einführung zum Lab "Verteiltes Training und Monitoring"2мин
Zusammenfassung zum Lab "Verteiltes Training und Monitoring"7мин
1 практическое упражнение
Quiz zu Modul 230мин
2 ч. на завершение

Modul 3: ML-Modelle mit Cloud ML Engine skalieren

7 видео ((всего 28 мин.)), 2 тестов
7 видео
Vorteile der Cloud ML Engine6мин
Arbeitsablauf bei der Entwicklung1мин
Trainingspakete erstellen3мин
TensorFlow bereitstellen3мин
Lab: ML hochskalieren39
Zusammenfassung zum Lab "ML hochskalieren"10мин
1 практическое упражнение
Quiz für Modul 330мин
3 ч. на завершение

Modul 4: Feature Engineering

16 видео ((всего 92 мин.)), 2 тестов
16 видео
Gute Funktionen7мин
Kausalität8мин
Numerisch5мин
Ausreichende Beispiele7мин
Von den Rohdaten zur Funktion1мин
Kategoriale Merkmale8мин
Funktionsverknüpfungen3мин
Bucketizing3мин
Breit und tief5мин
Einsatzbereiche für Feature Engineering3мин
Überblick zum Lab "Feature Engineering"3мин
Zusammenfassung zum Lab "Feature Engineering"10мин
Hyperparameter-Abstimmung + Demo15мин
ML-Abstraktionsebenen4мин
Fazit1мин
1 практическое упражнение
Quiz zu Modul 430мин

Преподаватели

О Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

Специализация Data Engineering on Google Cloud Platform auf Deutsch: общие сведения

Dieser fünfwöchige Onlinevertiefungskurs bietet eine praktische Einführung zum Entwerfen und Erstellen von Datenverarbeitungssystemen auf der Google Cloud Platform. In Präsentationen, Demos und praxisorientierten Labs entwickeln die Teilnehmer Datenverarbeitungssysteme, erstellen End-to-End-Datenpipelines, analysieren Daten und üben maschinelles Lernen. Dieser Kurs vermittelt den Teilnehmern die folgenden Kompetenzen: • Datenverarbeitungssysteme auf der Google Cloud Platform entwickeln • Unstrukturierte Daten mit Spark und ML-APIs auf Cloud Dataproc verwenden • Batch- und Streaming-Daten durch die Implementierung von Autoscaling-Datenpipelines auf Cloud Dataflow verarbeiten • Mit Google BigQuery Geschäftsinformationen aus extrem großen Datasets ableiten • Modelle des maschinellen Lernens mit TensorFlow und Cloud ML trainieren, auswerten und damit Vorhersagen treffen • Sofortige Statistiken aus Streaming-Daten ermöglichen • Dieser Kurs richtet sich an erfahrene Entwickler, die für die Verwaltung von Big Data-Transformationen verantwortlich sind, zum Beispiel: • Daten extrahieren, laden, transformieren, bereinigen und validieren • Pipelines und Architekturen für die Datenverarbeitung entwerfen • Modelle des maschinellen Lernens und der Statistik erstellen und warten • Datasets abfragen, Abfrageergebnisse visualisieren und Berichte erstellen >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<...
Data Engineering on Google Cloud Platform auf Deutsch

Часто задаваемые вопросы

  • Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.

  • Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.

  • После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.

  • Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.

  • Это один из немногих курсов на Coursera, которые предоставляются только на платной основе.

  • Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:

    • Knowledge of Google Cloud Platform

    • Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera

    • Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera

    • Knowledge of Python and familiarity with the numpy package

    • Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera

  • To be eligible for the free trial, you will need:

    - Google account (Google is currently blocked in China)

    - Credit card or bank account

    - Terms of service

    Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602

    More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/

    For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/

  • If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.

  • View this page for more details: https://cloud.google.com/free-trial/docs/

  • Yes, this online course is based on the instructor-led training formerly known as CPB102.

  • The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/

  • Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/

Остались вопросы? Посетите Центр поддержки учащихся.