课程信息
100% 在线

100% 在线

立即开始,按照自己的计划学习。
可灵活调整截止日期

可灵活调整截止日期

根据您的日程表重置截止日期。
中级

中级

完成时间(小时)

完成时间大约为4 小时

建议:Einwöchiger Kurs, 8–12 Stunden/Woche...
可选语言

德语(German)

字幕:德语(German), 法语(French), 日语, 英语(English)
100% 在线

100% 在线

立即开始,按照自己的计划学习。
可灵活调整截止日期

可灵活调整截止日期

根据您的日程表重置截止日期。
中级

中级

完成时间(小时)

完成时间大约为4 小时

建议:Einwöchiger Kurs, 8–12 Stunden/Woche...
可选语言

德语(German)

字幕:德语(German), 法语(French), 日语, 英语(English)

教学大纲 - 您将从这门课程中学到什么

1
完成时间(小时)
完成时间为 11 分钟

Willkommen zum serverlosen maschinellen Lernen mit der Google Cloud Platform

...
Reading
2 个视频 (总计 5 分钟), 1 个测验
Video2 个视频
Überlegungen zum maschinellen Lernen2分钟
Quiz1 个练习
ML-Kurs – Vorabfragen6分钟
完成时间(小时)
完成时间为 3 小时

Modul 1: Einführung in maschinelles Lernen

...
Reading
21 个视频 (总计 109 分钟), 2 个测验
Video21 个视频
Arten von ML3分钟
Die ML-Pipeline2分钟
Varianten des ML-Modells7分钟
ML-Problem eingrenzen2分钟
Maschinelles Lernen (ML) ausprobieren8分钟
Optimierung9分钟
Sichere Testumgebung für neuronale Netzwerke18分钟
Funktionen kombinieren3分钟
Feature Engineering3分钟
Bildmodelle5分钟
Effektives ML2分钟
Was macht ein gutes Dataset aus?5分钟
Fehlermesswerte3分钟
Genauigkeit2分钟
Genauigkeit und Trefferquote5分钟
Datasets für maschinelles Lernen erstellen3分钟
Datasets aufteilen6分钟
Python-Notebooks1分钟
Übersicht zum Lab "Datasets für maschinelles Lernen erstellen"3分钟
Zusammenfassung zum Lab "Datasets für maschinelles Lernen erstellen"2分钟
Quiz1 个练习
Quiz zu Modul 18分钟
完成时间(小时)
完成时间为 5 小时

Modul 2: ML-Modelle mit TensorFlow erstellen

...
Reading
15 个视频 (总计 65 分钟), 5 个测验
Video15 个视频
Was ist TensorFlow?5分钟
Core TensorFlow5分钟
Übersicht zum Lab "Einführung in TensorFlow"7s
Zusammenfassung zum TensorFlow-Lab10分钟
Estimator API8分钟
Maschinelles Lernen mit tf.estimator15s
Zusammenfassung zum Lab "Estimator"7分钟
Effektives ML ermöglichen6分钟
Einführung zum Lab "Refaktorierung zum Hinzufügen von Stapelverarbeitung und Funktionserstellung"38s
Zusammenfassung zum Lab "Refaktorierung"4分钟
Trainieren und Bewerten4分钟
Monitoring1分钟
Einführung zum Lab "Verteiltes Training und Monitoring"2分钟
Zusammenfassung zum Lab "Verteiltes Training und Monitoring"7分钟
Quiz1 个练习
Quiz zu Modul 28分钟
完成时间(小时)
完成时间为 2 小时

Modul 3: ML-Modelle mit Cloud ML Engine skalieren

...
Reading
7 个视频 (总计 28 分钟), 2 个测验
Video7 个视频
Vorteile der Cloud ML Engine6分钟
Arbeitsablauf bei der Entwicklung1分钟
Trainingspakete erstellen3分钟
TensorFlow bereitstellen3分钟
Lab: ML hochskalieren39s
Zusammenfassung zum Lab "ML hochskalieren"10分钟
Quiz1 个练习
Quiz für Modul 34分钟
完成时间(小时)
完成时间为 3 小时

Modul 4: Feature Engineering

...
Reading
16 个视频 (总计 92 分钟), 2 个测验
Video16 个视频
Gute Funktionen7分钟
Kausalität8分钟
Numerisch5分钟
Ausreichende Beispiele7分钟
Von den Rohdaten zur Funktion1分钟
Kategoriale Merkmale8分钟
Funktionsverknüpfungen3分钟
Bucketizing3分钟
Breit und tief5分钟
Einsatzbereiche für Feature Engineering3分钟
Überblick zum Lab "Feature Engineering"3分钟
Zusammenfassung zum Lab "Feature Engineering"10分钟
Hyperparameter-Abstimmung + Demo15分钟
ML-Abstraktionsebenen4分钟
Fazit1分钟
Quiz1 个练习
Quiz zu Modul 46分钟

关于 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....

关于 Data Engineering on Google Cloud Platform auf Deutsch 专项课程

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. Der Kurs umfasst strukturierte, unstrukturierte und gestreamte Daten. 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...
Data Engineering on Google Cloud Platform auf Deutsch

常见问题

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

  • 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/

还有其他问题吗?请访问 学生帮助中心