Vertex Forecasting und Time Series in der Praxis
Dieser Kurs ist eine Einführung in die Entwicklung von Prognoselösungen mit Google Cloud. Sie beginnen mit Sequenzmodellen und den Grundlagen von Zeitreihen. Anschließend durchlaufen Sie einen End-to-End-Workflow: von der Datenvorbereitung bis zur Modellentwicklung und -bereitstellung mit Vertex AI. Schließlich lernen Sie die Lektionen und Tipps aus einem Einzelhandels-Anwendungsfall und wenden das Wissen an, indem Sie Ihre eigenen Prognosemodelle erstellen.
- Dauer: 1 Tag
- Sprachen: Englisch, Deutsch
- Niveau: Experte
- Gruppengröße: Bis zu 16
Das lernen Sie
- Die Hauptkonzepte und Anwendungen eines Sequenzmodells, von Zeitreihen und Prognosen verstehen.
- Die Optionen zur Entwicklung eines Prognosemodells in Google Cloud identifizieren.
- Den Workflow zur Entwicklung eines Prognosemodells mit Vertex AI beschreiben.
- Daten (einschließlich Erfassung und Feature Engineering) mithilfe von BigQuery und verwalteten Vertex-Datensätzen vorbereiten.
- Ein Prognosemodell trainieren und die Leistung mithilfe von AutoML bewerten.
- Ein Prognosemodell mithilfe von Vertex AI Pipelines bereitstellen und überwachen.
- Eine End-to-End-Prognoselösung unter Verwendung eines Einzelhandelsdatensatzes erstellen.
Voraussetzungen
- Grundkenntnisse der Python-Syntax
- Grundlegendes Verständnis von Machine-Learning-Modellen
- Vorkenntnisse im Aufbau von Machine-Learning-Lösungen in Google Cloud
Kursinhalt
Kurseinführung
- Dieses Modul behandelt die Gründe für die Erstellung einer Prognoselösung in Google Cloud und stellt die Lernziele vor.
Zeitreihen und Prognosegrundlagen
- Dieses Modul vermittelt eine theoretische Grundlage für Arten von Sequenzmodellen, Zeitreihenmustern und -analysen sowie Prognosenotationen.
Prognoseoptionen in Google Cloud
- Dieses Modul stellt zwei wichtige Optionen zum Erstellen einer Prognoselösung in Google Cloud vor: BigQuery ML und Vertex AI Forecast (AutoML). Außerdem werden die einzigartigen Funktionen von Vertex AI Forecast untersucht und ein End-to-End-Workflow mit AutoML erkundet.
Datenaufbereitung
- Dieses Modul befasst sich mit der Transformation von Originaldaten in die von Vertex AI unterstützten Datentypen und Formate. Außerdem werden die verschiedenen Arten von Merkmalen in Zeitreihen und die Best Practices für die Datenaufnahme vorgestellt.
Modelltraining
- Dieses Modul führt die Lernenden durch das Modelltraining und demonstriert ihnen Konfigurationsdetails wie die Einrichtung des Kontextfensters, des Prognosehorizonts und des Optimierungsziels.
Modellbewertung
- Dieses Modul beschreibt die Aufteilung der Trainingsdaten, demonstriert die Bewertungsmetriken und empfiehlt Ansätze zur Verbesserung der Modellleistung.
Modellimplementierung
- Dieses Modul demonstriert die Modellvorhersage, insbesondere die Batch-Vorhersage mit Vertex AI Forecast. Es untersucht auch Machine Learning Operations (MLOps) und den Übergang von der Entwicklung zur Produktion.
Modellüberwachung
- Dieses Modul beschreibt die Modelldrift und den Ansatz des Modell-Retrainings. Es demonstriert auch die Automatisierung des Prognose-Workflows mithilfe von Vertex AI Pipelines.
Vertex-Prognose im Einzelhandel
- Dieses Modul beschreibt einen Anwendungsfall zum Erstellen einer Prognoselösung mit Vertex AI Forecast in einem Einzelhandelsgeschäft. Es demonstriert die Schritte und Überlegungen, führt durch eine Pilotstudie mit zwei verschiedenen Datensätzen und diskutiert die Herausforderungen und Lehren.
Kurszusammenfassung
- Dieses Modul behandelt die Hauptmerkmale von Vertex AI Forecast und fasst die wichtigsten Themen jedes Moduls zusammen.
Passende Kurse
Multi-Agenten-Systeme mit dem Agent Development Kit und Agent Engine betreiben
In diesem Kurs lernst du, wie du das Google Agent Development Kit verwendest, um komplexe Multi-Agenten-Systeme zu erstellen. Du wirst Agenten mit Tools ausstatten und sie mit Eltern-Kind-Beziehungen und Workflows verbinden, um deren Interaktion zu definieren. Du wirst deine Agenten lokal ausführen und sie auf der Vertex AI Agent Engine bereitstellen, um sie als verwalteten Agenten-Workflow auszuführen, wobei Infrastrukturentscheidungen und Ressourcenskalierung von der Agent Engine übernommen werden.
Generative KI in Produktion
Traditionelles MLOps ist eine Reihe von Praktiken zur Bereitstellung traditioneller ML-Systeme für Unternehmensanwendungen. Generative KI stellt neue Herausforderungen an die Verwaltung und Bereitstellung von Anwendungen in großem Maßstab dar. Das Feld der generativen KI-Operationen versucht, diese neuen Herausforderungen zu bewältigen. In diesem Kurs lernen Sie die Herausforderungen kennen, die beim Einsatz und der Bereitstellung von generativen KI-gestützten Anwendungen entstehen. Sie lernen, wie Sie Ihre generativen KI-gestützten Anwendungen sichern können. Schließlich werden Sie Best Practices für die Protokollierung und Überwachung Ihrer generativen KI-gestützten Anwendungen in der Produktion besprechen.
Agent-Observability auf Google Cloud
Dieser Kurs bietet eine angewandte Anleitung auf mittlerem Niveau zur Operationalisierung von KI-Agenten, die sich speziell auf das Erreichen von Produktionssicherheit und Kostenkalkulierbarkeit für Gemini-basierte Workflows in der Google Cloud konzentriert. Die Teilnehmer lernen die Methodik und die umsetzbaren Fähigkeiten, die erforderlich sind, um nicht-deterministische Agentenlogik in transparente, überprüfbare und skalierbare Systeme umzuwandeln.Der Kurs behandelt zentrale operative Disziplinen, einschließlich der Abbildung des komplexen Denkprozesses des Agenten (ReAct-Schleifen) auf Cloud Trace Spans zum Debuggen, der Implementierung von Logs-Based Security Metrics zur Compliance und der Einrichtung von umsetzbaren Warnungen und benutzerdefinierten Dashboards in Cloud Monitoring zur proaktiven Kontrolle von Kostenüberschreitungen und Qualitätsabweichungen. Der Kurs verwendet Präsentationen, visuelle Anleitungen und strategische Diskussionen, um ein effektives Lernen zu gewährleisten, das direkt auf das Vertex AI-Ökosystem anwendbar ist.
Unsicher, welcher Kurs passt?
Buchen Sie ein 30-minütiges Gespräch. Wir schauen uns an, wo Ihr Team steht und was es können muss — und stellen daraus einen konkreten Kurstermin oder einen passenden Lernplan zusammen.