Über diesen Kurs

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 11 Stunden zum Abschließen

Empfohlen: Einwöchiger Kurs, 8–12 Stunden/Woche...

Deutsch

Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch...

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 11 Stunden zum Abschließen

Empfohlen: Einwöchiger Kurs, 8–12 Stunden/Woche...

Deutsch

Untertitel: Französisch, Portugiesisch (Brasilien), Deutsch, Englisch, Spanisch, Japanisch...

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
21 Minuten zum Abschließen

Willkommen zum serverlosen maschinellen Lernen mit der Google Cloud Platform

2 Videos (Gesamt 5 min), 1 Lektüre, 1 Quiz
2 Videos
Überlegungen zum maschinellen Lernen2m
1 Lektüre
Kursressourcen herunterladen10m
1 praktische Übung
ML-Kurs – Vorabfragen6m
3 Stunden zum Abschließen

Modul 1: Einführung in maschinelles Lernen

21 Videos (Gesamt 109 min), 2 Quiz
21 Videos
Arten von ML3m
Die ML-Pipeline2m
Varianten des ML-Modells7m
ML-Problem eingrenzen2m
Maschinelles Lernen (ML) ausprobieren8m
Optimierung9m
Sichere Testumgebung für neuronale Netzwerke18m
Funktionen kombinieren3m
Feature Engineering3m
Bildmodelle5m
Effektives ML2m
Was macht ein gutes Dataset aus?5m
Fehlermesswerte3m
Genauigkeit2m
Genauigkeit und Trefferquote5m
Datasets für maschinelles Lernen erstellen3m
Datasets aufteilen6m
Python-Notebooks1m
Übersicht zum Lab "Datasets für maschinelles Lernen erstellen"3m
Zusammenfassung zum Lab "Datasets für maschinelles Lernen erstellen"2m
1 praktische Übung
Quiz zu Modul 18m
5 Stunden zum Abschließen

Modul 2: ML-Modelle mit TensorFlow erstellen

15 Videos (Gesamt 65 min), 5 Quiz
15 Videos
Was ist TensorFlow?5m
Core TensorFlow5m
Übersicht zum Lab "Einführung in TensorFlow"7
Zusammenfassung zum TensorFlow-Lab10m
Estimator API8m
Maschinelles Lernen mit tf.estimator15
Zusammenfassung zum Lab "Estimator"7m
Effektives ML ermöglichen6m
Einführung zum Lab "Refaktorierung zum Hinzufügen von Stapelverarbeitung und Funktionserstellung"38
Zusammenfassung zum Lab "Refaktorierung"4m
Trainieren und Bewerten4m
Monitoring1m
Einführung zum Lab "Verteiltes Training und Monitoring"2m
Zusammenfassung zum Lab "Verteiltes Training und Monitoring"7m
1 praktische Übung
Quiz zu Modul 28m
2 Stunden zum Abschließen

Modul 3: ML-Modelle mit Cloud ML Engine skalieren

7 Videos (Gesamt 28 min), 2 Quiz
7 Videos
Vorteile der Cloud ML Engine6m
Arbeitsablauf bei der Entwicklung1m
Trainingspakete erstellen3m
TensorFlow bereitstellen3m
Lab: ML hochskalieren39
Zusammenfassung zum Lab "ML hochskalieren"10m
1 praktische Übung
Quiz für Modul 34m
3 Stunden zum Abschließen

Modul 4: Feature Engineering

16 Videos (Gesamt 92 min), 2 Quiz
16 Videos
Gute Funktionen7m
Kausalität8m
Numerisch5m
Ausreichende Beispiele7m
Von den Rohdaten zur Funktion1m
Kategoriale Merkmale8m
Funktionsverknüpfungen3m
Bucketizing3m
Breit und tief5m
Einsatzbereiche für Feature Engineering3m
Überblick zum Lab "Feature Engineering"3m
Zusammenfassung zum Lab "Feature Engineering"10m
Hyperparameter-Abstimmung + Demo15m
ML-Abstraktionsebenen4m
Fazit1m
1 praktische Übung
Quiz zu Modul 46m

Über 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....

Über den Spezialisierung Data Engineering on Google Cloud Platform auf Deutsch

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

Häufig gestellte Fragen

  • Ja, Sie können eine Vorschau des ersten Videos und den Lehrplan ansehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um Zugriff auf die Inhalte zu erhalten, die nicht in der Vorschau inbegriffen sind.

  • Wenn Sie sich vor dem Startdatum der ersten Kurseinheit anmelden, haben Sie Zugriff auf alle Vortragsvideos und Texte für den Kurs. Sobald die erste Kurseinheit beginnt, können Sie Aufgaben einreichen.

  • Sobald Sie sich anmelden und Ihre Kurseinheit beginnt, haben Sie Zugriff auf alle Videos und andere Ressourcen, einschließlich der Texte und des Kurs-Diskussionsforums. Sie können praktische Aufgaben ansehen und einreichen und erforderliche bewertete Aufgaben abschließen, um eine Bewertung und ein Kurszertifikat zu erhalten.

  • Wenn Sie den Kurs erfolgreich abschließen, wird der Seite „Errungenschaften“ Ihr elektronisches Kurszertifikat hinzugefügt – von dort können Sie Ihr Kurszertifikat ausdrucken oder es zu Ihrem LinkedIn-Profil hinzufügen.

  • Dieser Kurs ist einer der wenigen auf Coursera angebotenen Kurse, die derzeit ausschließlich für Kursteilnehmer zugänglich sind, die bezahlt oder finanzielle Unterstützung erhalten haben, wenn diese verfügbar ist.

  • 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/

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..