Путь обучения инженера машинного обучения в Google

Google предлагает полный набор бесплатных курсов, которые обучат вас основам работы инженера по машинному обучению с использованием технологий Google Cloud.

В прошлом году мы познакомились с другим направлением обучения Google, связанным с ИИ, - генеративным ИИ. Генеративный ИИ - это тип ИИ, который может выявлять долгосрочные зависимости и закономерности в больших обучающих наборах, а затем использовать полученные знания для создания нового контента, включая текст, изображения, аудио и синтетические данные.

Однако в этом курсе основное внимание уделялось генеративному ИИ как конечному продукту, что отличается от фактической роли инженера ML. Инженер ML занимается проектированием, созданием, оптимизацией, эксплуатацией и обслуживанием систем ML, включая системы GenAI.

Путь обучения «Инженер машинного обучения» включает в себя все обязанности, связанные с этой ролью, и фокусируется на использовании инструментов Google Cloud.

Путь состоит из 15 продолжительных курсов:

Экскурсия по лабораториям Google Cloud Hands-on Labs
Ознакомьтесь с консолью Google Cloud и ее основными функциями.

Введение в искусственный интеллект и машинное обучение в Google Cloud
Обзор инструментов искусственного интеллекта и машинного обучения, доступных в Google Cloud, которые вы можете использовать.

Начало работы с машинным обучением
Что такое Vertex AI AutoML и как построить, обучить и развернуть ML-модель, не написав ни строчки кода.

TensorFlow в Google Cloud
Проектирование и создание конвейера входных данных TensorFlow, а также построение ML-моделей с помощью TensorFlow и Keras.

Feature Engineering
Демонстрация того, как можно повысить точность ML-моделей. В курс также включены лабораторные работы по построению функций с использованием BigQuery ML, Keras и TensorFlow.

Машинное обучение на предприятии
Реальное применение ML на основе бизнес-требований и сценариев использования.

Производственные системы машинного обучения
Как разрабатывать и создавать собственные системы ML.

Основы компьютерного зрения в Google Cloud
использование Vertex AI и AutoML.

Обработка естественного языка в Google Cloud
Почему вам стоит изучать НЛП и обзор сопутствующих материалов.

Рекомендательные системы в Google Cloud
Применение НЛП в рекомендательных системах, подробное описание различных типов и способов их использования.

Операции машинного обучения (MLOps): Начало работы
Развертывание, оценка, мониторинг и эксплуатация производственных ML-систем.

Операции машинного обучения (MLOps) с Vertex AI: управление функциями
Как выполнять MLOps - дисциплину, направленную на развертывание, тестирование, мониторинг и автоматизацию систем ML в производстве.

Конвейеры ML в облаке Google
Узнайте о компонентах конвейера и его оркестровке с помощью TFX (TensorFlow Extended).

Подготовка данных для ML API в Google Cloud
Различные практические занятия с использованием Vertex и Python по подготовке данных, которые будут использоваться для обучения вашей ML-модели.

И наконец, построение и развертывание решений для машинного обучения на Vertex AI
Различные практические занятия с использованием Vertex и Python по обучению, оценке, настройке и развертыванию моделей машинного обучения.

Этот путь является самостоятельным и бесплатным, а также довольно длительным по продолжительности, поскольку каждый отдельный курс требует посвящения минимум 8 часов и до 32. Имейте в виду, что иногда материал может быть очень техническим.

В любом случае, в заключение хочу сказать, что, хотя курс ориентирован на изучение ML с помощью инструментов Google, он имеет ценность и за его пределами, поскольку преподаваемые концепции можно применять в целом.