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

Google Cloud

Launching into Machine Learning - Italiano

Google Cloud via Coursera

Overview

Il corso inizia con una discussione sui dati: come migliorare la qualità dei dati ed eseguire analisi esplorative dei dati. Descriveremo Vertex AI AutoML e come creare, addestrare ed eseguire il deployment di un modello di ML senza scrivere una sola riga di codice. Comprenderai i vantaggi di Big Query ML. Discuteremo quindi di come ottimizzare un modello di machine learning (ML) e di come la generalizzazione e il campionamento possano aiutare a valutare la qualità dei modelli di ML per l'addestramento personalizzato.

Syllabus

  • Introduzione
    • Questo modulo fornisce una panoramica del corso e dei suoi obiettivi.
  • Scopri i tuoi dati - Migliora i dati attraverso l'analisi esplorativa dei dati
    • In questo modulo vedremo come migliorare la qualità dei dati ed esplorare i dati eseguendo analisi esplorative. Analizzeremo l'importanza di avere dati ordinati nel machine learning, mostrando in che modo questo aspetto influisce sulla qualità dei dati. Ad esempio, l'assenza di valori può distorcere i risultati. Scoprirai anche l'importanza dell'esplorazione dei dati. Dopo aver ordinato i dati, eseguirai un'analisi esplorativa del set di dati.
  • Machine learning in pratica
    • In questo modulo introdurremo alcuni dei principali tipi di machine learning, così potrai accelerare la tua crescita come professionista del ML.
  • Addestramento di modelli AutoML utilizzando Vertex AI
    • In questo modulo introdurremo l'addestramento dei modelli AutoML utilizzando Vertex AI.
  • BigQuery Machine Learning - Sviluppo di modelli di ML in cui si trovano i dati
    • In questo modulo presenteremo BigQuery ML e le sue funzionalità.
  • Ottimizzazione
    • In questo modulo ti spiegheremo come ottimizzare i tuoi modelli di ML.
  • Generalizzazione e campionamento
    • Adesso è il momento di rispondere a una domanda piuttosto strana: in quale caso il modello di ML più accurato non è quello giusto da scegliere? Come abbiamo accennato nell'ultimo modulo sull'ottimizzazione, il fatto che un modello abbia una metrica di perdita pari a 0 per il set di dati di addestramento non significa che avrà prestazioni ottimali con nuovi dati reali. Imparerai a creare set di dati ripetibili per l'addestramento, la valutazione e il test, nonché a stabilire benchmark per le prestazioni.
  • Riepilogo
    • Questo modulo è un riepilogo del corso Launching into Machine Learning

Taught by

Google Cloud Training

Reviews

Start your review of Launching into Machine Learning - Italiano

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.