|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/smart-analytics-machine-learning-ai-gcp-br
课程评论：没有评论
课程名称：智能分析、机器学习与人工智能在GCP上的应用（葡萄牙语） 课程概述：通过将机器学习整合到数据管道中，企业能够提取更多的洞察。本课程展示了如何在Google Cloud Platform上根据所需的个性化程度，将机器学习纳入数据管道。我们介绍了在需要少量或无个性化时如何使用AutoML。对于更具个性化的机器学习功能，我们展示了如何利用AI平台笔记本和BigQuery机器学习。同时，我们还说明了如何通过Kubeflow生成机器学习解决方案。此外，课程中将有实际操作，通过QwikLabs在Google Cloud Platform上创建ML模型。 课程大纲： 1. 模块名称：介绍 描述：本模块介绍课程内容和时间安排。 2. 模块名称：分析与人工智能入门 描述：本模块讨论Google Cloud中的机器学习选项。 3. 模块名称：用于非结构化数据的预构建ML模型API 描述：本模块重点讲解如何在结构化数据中使用预构建的机器学习API。 4. 模块名称：使用笔记本进行大数据分析 描述：本模块讲解如何使用笔记本进行数据分析。 5. 模块名称：使用Kubeflow进行生产级机器学习管道 描述：本模块讨论如何创建个性化机器学习模型，并介绍Kubeflow和AI Hub。 6. 模块名称：在BigQuery ML中使用SQL创建自定义模型 描述：本模块专注于如何在BigQuery ML中创建自定义模型。 7. 模块名称：使用AutoML创建自定义模型 描述：本模块讲解如何使用AutoML工具创建自定义机器学习模型。 8. 模块名称：总结 描述：本模块回顾课程中涉及的主题。
Name:Introdução
Description:Neste módulo, apresentamos o curso e a programação.
Name:Introdução ao Analytics e à IA
Description:Neste módulo, falamos sobre as opções de ML no Google Cloud
Name:APIs de modelos de ML pré-criadas para dados não estruturados
Description:O foco deste módulo é o uso de APIs de ML pré-criadas em dados estruturados
Name:Análise de Big Data com notebooks
Description:Neste módulo, falamos sobre como usar o notebooks
Name:Pipelines de ML de produção com o Kubeflow
Description:Neste módulo, falamos da criação de modelos de ML personalizados e apresentamos o Kubeflow e o AI Hub
Name:Criar modelos personalizados com o SQL no BigQuery ML
Description:Este é um módulo sobre o BigQuery ML
Name:Criar modelos personalizados com o AutoML
Description:Criar modelos personalizados com o AutoML
Name:Resumo
Description:Neste módulo, recapitulamos os temas abordados no curso
Com a incorporação do machine learning aos pipelines de dados, as empresas podem extrair mais insights. Neste curso, mostramos várias maneiras de incluir o machine learning nos pipelines de dados no Google Cloud Platform, dependendo do nível de personalização necessário. Explicamos como usar o AutoML quando você precisar de pouca ou nenhuma personalização. Para recursos de machine learning mais personalizados, mostramos como usar o AI Platform Notebooks e o BigQuery Machine Learning. Também explicamos como produzir soluções de machine learning usando o Kubeflow. Além disso, haverá atividades práticas de criação de modelos de ML no Google Cloud Platform usando o QwikLabs.
