이 과정에서는 다양한 ML 비즈니스 요구사항과 사용 사례를 다루는 ML팀의 우수사례를 중심으로 ML 워크플로에 대한 실용적이고 현실적인 접근 방식을 포괄적으로 소개합니다. 이 팀은 데이터 관리 및 거버넌스에 필요한 도구를 이해하고, Dataflow 및 Dataprep에 대한 개괄적인 지식과 BigQuery를 사용한 사전 처리 작업 등을 바탕으로 데이터 사전 처리를 위한 가장 효과적인 접근 방식을 검토해야 합니다.
팀은 두 가지 구체적인 사용 사례에 맞는 머신러닝 모델을 빌드하는 세 가지 옵션을 제공합니다. 이 과정에서는 팀이 목표 달성을 위해 AutoML, BigQuery ML 또는 커스텀 학습을 사용해야 하는 이유를 설명합니다. 커스텀 학습에 대해서도 자세히 설명합니다. 학습 코드 구조, 스토리지, 대용량 데이터 세트 로드에서 학습된 모델 내보내기에 이르기까지 커스텀 학습 요구사항을 설명합니다.
Docker에 대한 지식이 거의 없어도 컨테이너 이미지를 빌드할 수 있는 커스텀 학습 머신러닝 모델을 빌드합니다.
우수사례팀에서 Vertex Vizier를 사용한 초매개변수 조정과 모델 성능을 개선하는 데 이를 어떻게 활용할 수 있는지 연구합니다. 모델 개선에 대한 이해를 높이기 위해 정규화와 희소성 처리, 그 외 많은 중요한 개념과 원칙 등 이론적인 내용도 자세히 살펴봅니다. 마지막으로 예측 및 모델 모니터링을 개략적으로 설명하고 Vertex AI를 사용하여 ML 모델을 관리하는 방법을 알아봅니다.
Overview
Syllabus
- 소개
- 이 모듈은 과정 및 과정 목표에 대한 개요를 제공합니다.
- ML 엔터프라이즈 워크플로 이해하기
- 이 모듈에서는 ML 엔터프라이즈 워크플로와 각 단계의 목적을 설명합니다.
- 기업에서의 데이터
- 이 모듈에서는 Feature Store, Data Catalog, Dataplex, Analytics Hub 등 Google의 기업 데이터 관리 및 데이터 거버넌스 도구를 살펴봅니다.
- 머신러닝 및 커스텀 학습의 과학
- 이 모듈에서는 머신러닝 및 신경망의 기술과 과학을 살펴봅니다. Vertex AI를 사용하여 커스텀 ML 모델을 학습시키는 방법도 설명합니다.
- Vertex Vizier 하이퍼파라미터 조정
- 이 모듈에서는 Vertex AI Vizier를 사용하여 하이퍼파라미터를 조정하는 방법을 설명합니다.
- Vertex AI를 사용한 예측 및 모델 모니터링
- 이 모듈에서는 Vertex AI 예측 및 모델 모니터링에 대해 설명합니다. 먼저 사전 빌드된 컨테이너 또는 커스텀 컨테이너를 사용한 일괄 및 온라인 예측에 대해 설명한 다음, ML 모델의 성능을 관리하는 데 도움이 되는 서비스인 모델 모니터링을 살펴봅니다.
- Vertex AI Pipelines
- 이 모듈에서는 Vertex AI Pipelines와 이를 빌드하여 ML 워크플로를 조정하는 방법을 설명합니다.
- ML 개발을 위한 권장사항
- 이 모듈에서는 Vertex AI의 여러 머신러닝 프로세스의 권장사항을 검토합니다.
- 과정 요약
- 이 모듈은 Machine Learning in the Enterprise 과정의 요약입니다.
- 시리즈 요약
- 이 모듈은 Machine Learning on Google Cloud 과정의 요약입니다.
Taught by
Google Cloud Training
