Corso Introduction to AI and Machine Learning on Google Cloud

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Il Corso Introduction to AI and Machine Learning on Google Cloud è progettato per sviluppatori AI, data scientist e ingegneri ML che desiderano costruire progetti AI predittivi e generativi utilizzando Google Cloud. Durante il corso, i partecipanti esploreranno le tecnologie e gli strumenti disponibili nel ciclo di vita dei dati fino all’AI, inclusi AI foundations, sviluppo e soluzioni. Saranno trattate tecnologie come Vertex AI, Gemini multimodal, AutoML, BigQuery ML, Vertex AI Pipelines, TensorFlow, Model Garden, Vertex AI Studio e l’API di linguaggio naturale. I partecipanti impareranno a creare modelli ML end-to-end utilizzando Vertex AI e a sviluppare progetti AI generativi con Gemini multimodal. Il Corso contribuisce alla preparazione dell’esame di Certificazione Google Cloud AI Engineer. Il corso contribuisce alla preparazione per l’esame di Certificazione Google Professional Machine Learning Engineer.

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del Corso Introduction to AI and Machine Learning on Google Cloud:

• Riconoscere le tecnologie e gli strumenti dal dato all’AI forniti da Google Cloud.
• Costruire progetti AI generativi utilizzando Gemini multimodal, prompt efficienti e tuning dei modelli.
• Esplorare varie opzioni per lo sviluppo di un progetto AI su Google Cloud.
• Creare un modello ML end-to-end utilizzando Vertex AI.
• Utilizzare AutoML su Vertex AI per il workflow di sviluppo AI.

Certificazione del corso

Esame Google Cloud Certified Professional Machine Learning Engineer; L’esame valuta le competenze dei candidati nella progettazione, creazione, distribuzione e monitoraggio di modelli di machine learning sulla piattaforma Google Cloud. Gli esaminati devono dimostrare la loro capacità di utilizzare strumenti e tecnologie chiave di Google Cloud, come Vertex AI, TensorFlow, BigQuery ML, e AutoML. Durante l’esame, i candidati vengono testati sulla loro capacità di gestire e preprocessare dati utilizzando tecnologie come Vertex AI Feature Store, Analytics Hub, Dataplex e Data Catalog. Essi devono mostrare competenza nella creazione e gestione di dataset con Vertex AI Managed Datasets e nella realizzazione di notebook personalizzati tramite Vertex AI Workbench. Un altro topic cruciale è il tuning dei modelli, dove gli esaminati devono dimostrare l’uso efficace di Vertex Vizier per l’ottimizzazione dei parametri. L’esame include anche la valutazione della capacità di creare, addestrare e distribuire modelli di machine learning senza scrivere codice, utilizzando strumenti come Vertex AI AutoML e BigQuery ML.

Contenuti del corso

Module 01 – AI Foundations

• Why AI?
• AI/ML framework on Google Cloud
• Google Cloud infrastructure
• Data and AI products
• ML model categories
• BigQuery ML
• Lab introduction: BigQuery ML
• Recognize the AI/ML framework on Google Cloud.
• Identify the major components of Google Cloud infrastructure.
• Define the data and ML products on Google Cloud and how they support the data-to-AI lifecycle.
• Build an ML model with BigQueryML to bring data to AI.
• Lab: Predicting Visitor Purchases with BigQuery ML

Module 02 – AI Development Options

• AI development options
• Pre-trained APIs
• Vertex AI
• AutoML
• Custom training
• Lab introduction: Natural Language API
• Define different options to build an ML model on Google Cloud.
• Recognize the primary features and applicable situations of pre-trained APIs, AutoML, and custom training.
• Use the Natural Language API to analyze text.
• Lab: Entity and Sentiment Analysis with Natural Language API

Module 03 – AI Development Workflow

• ML workflow
• Data preparation
• Model development
• Model serving
• MLOps and workflow automation
• Lab introduction: AutoML
• How a machine learns
• Define the workflow of building an ML model.
• Describe MLOps and workflow automation on Google Cloud.
• Build an ML model from end to end using AutoML on Vertex AI.
• Lab: Vertex AI: Predicting Loan Risk with AutoML

Module 04 – Generative AI

• Generative AI and workflow
• Gemini multimodal
• Prompt design
• Model tuning
• Model Garden
• AI solutions
• Lab introduction: Vertex AI Studio
• Define generative AI and foundation models.
• Use Gemini multimodal with Vertex AI Studio.
• Design efficient prompt and tune models with different methods.
• Recognize the AI solutions and the embedded Gen AI features.
• Lab: Getting Started with Vertex AI Studio

Module 05 – Course Summary

• Recognize the primary concepts, tools, technologies, and products learned in the course

Tipologia

Corso di Formazione con Docente

Docenti

I docenti sono Istruttori accreditati Google Cloud e certificati in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Infrastruttura laboratoriale

Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota h24. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:

Dettagli del corso

Prerequisiti

Si consiglia la partecipazione al Corso Google Cloud Fundamentals: Core Infrastructure.

Durata del corso

• Durata Intensiva 1gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Corso Introduction to AI and Machine Learning on Google Cloud (Formula Intensiva) – su Richiesta – 9:00 – 17:00

Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente.
L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].