在线课程 – Google Cloud Machine Learning 专业认证

在 Google Cloud 平台上开始您的数据工程职业生涯。了解如何使用大数据和机器学习分析大数据并从中提取价值。

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
在线课程 - Google Cloud Machine Learning 专业认证

Professional Certificate

中档

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 在 Google Cloud 平台上设计和创建数据处理系统
  • 通过 Spark 的 API 和 Dataproc 中的机器学习功能使用非结构化数据
  • 通过在 Cloud Dataflow 中实施自动扩缩数据通道，在分组处理和流式传输中处理数据
  • 使用 Google BigQuery 从超大型数据集中获取业务洞察
  • 使用 TensorFlow 和 Cloud ML 训练、评估和预测机器学习模型
  • 从流数据中运行即时洞察

What you will learn in the course

Courses for which the course is suitable

  • 数据处理系统开发人员
  • 数据分析师
  • 数据工程师
  • 机器学习专家
  • Google Cloud 解决方案开发人员
  • 大数据转型经理
  • 使用非结构化数据的应用程序开发人员
  • Google BigQuery 专家
  • 机器学习模型的开发人员

专业化 – 5 门课程系列

在这个为期五周的密集在线实习中，参与者将获得有关如何在 Google Cloud 平台上设计和创建数据处理系统的实践介绍。通过演示、演示和动手反思相结合的方式，参与者将学习设计数据处理系统、创建完整的渠道和数据分析，以及开发机器学习解决方案。在本课程中，我们将重点介绍结构化数据、非结构化数据和流。

参与者将获得的技能：

  • 在 Google Cloud 平台上设计和创建数据处理系统
  • 通过 Spark 的 API 和 Dataproc 中的机器学习功能使用非结构化数据
  • 通过在 Cloud Dataflow 中实施自动扩缩数据通道，在分组处理和流式传输中处理数据
  • 使用 Google BigQuery 从超大型数据集中获取业务洞察
  • 使用 TensorFlow 和 Cloud ML 训练、评估和预测机器学习模型
  • 从流数据中运行即时洞察

本课程适用于负责管理大数据转换的经验丰富的开发人员。

注意： 如果您报名参加此实习，即表示您同意常见问题解答中规定的 Qwiklabs 服务条款。在此处查看服务条款： 服务条款

实践学习项目

该专业包括实践实验室。除了在 Google Cloud Platform 上注册免费试用帐户外，您还需要一个 Google 帐户（您也可以使用 Gmail 帐户）。免费试用期限制为 12 个月或 300 美元，具体取决于先结束的内容。因此，实习计划在 4 周内完成。

通过实践培训，您可以应用在视频讲座中学到的所有内容。这些项目将包括 Google BigQuery 等主题，这些主题在 Codelabs 中使用和定义。您将获得模块中学到的概念的实践经验。

Details of the courses that make up the specialization

Google Cloud 课程

课程 1：Google Cloud 中的大型云数据和机器学习基础知识

行程时间： 10 小时
评分： 4.7 （99 评分）

  • 确定 Google Cloud 中 AI 的数据生命周期以及大型云数据和机器学习的关键产品。
  • 使用 BigQuery 大规模分析大数据。
  • 确定在 Google Cloud 中创建机器学习解决方案的方法。
  • 描述 Vertex AI 的机器学习工作流程和关键步骤。

课程 2：使用 GCP 补充数据仓库和数据仓库

行程时间： 8 小时
评分： 4.8 （22 评分）

  • 区分 Data Vaults 和 Data Warehouse。
  • 了解每种存储类型的用例，以及 Google Cloud 中提供的数据库和数据仓库的解决方案。
  • 了解数据工程师的角色以及功能性数据管道对业务运营的好处。
  • 分析为什么应该在云环境中进行数据工程。

课程 3：在 GCP 上批量构建数据管道

持续时间： 17 小时
评分： 4.7 （15 ratings）

  • 分析不同的数据上传方法：EL、ELT 和 ETL 以及何时使用每种方法。
  • 在 Dataproc 上运行 Hadoop，使用 Cloud Storage，并改进 Dataproc 作业。
  • 使用 Dataflow 创建用于数据处理的管道。
  • 使用 Data Fusion 和 Cloud Composer 管理数据管道。

课程 4：构建 GCP 弹性流体分析系统

行程时间： 10 小时

  • 解释实时流分析的使用案例。
  • 使用异步 PUB/SUB 消息收发服务管理数据事件。
  • 根据需要创建流管并进行转换。
  • 启用 Dataflow、BigQuery 和 Pub/Sub 之间的交互，以执行实时流程和分析。

课程 5：GCP 上的智能分析、机器学习和 AI

行程时间： 7 小时
评分： 4.7 （11 评分）

  • 了解 ML、AI 和深度学习之间的区别。
  • 说明如何将 ML API 与非结构化数据结合使用。
  • 在 Notebooks 中运行 BigQuery 命令。
  • 在 BigQuery 中使用 SQL 语法创建机器学习模型。

相关产品