0

Vertex Forecasting and Time Series in Practice (VFTSP)

Ihre Termine

Datum Ort Preis
14.01.2026 Virtuelles Live Training 1.095,99 €* Buchen
22.04.2026 Virtuelles Live Training 1.073,38 €* Buchen
08.07.2026 Virtuelles Live Training 1.073,38 €* Buchen
07.10.2026 Virtuelles Live Training 1.073,38 €* Buchen

* Preise inkl. der gesetzlichen Mehrwertsteuer

Beschreibung

Dieser Kurs ist eine Einführung in die Erstellung von Prognoselösungen mit Google Cloud. Sie beginnen mit Sequenzmodellen und Zeitreihengrundlagen. Anschließend durchlaufen Sie einen durchgängigen Arbeitsablauf: von der Datenaufbereitung über die Modellentwicklung bis zur Bereitstellung mit Vertex AI. Schließlich lernen Sie die Lektionen und Tipps aus einem Anwendungsfall im Einzelhandel und wenden das Wissen an, indem Sie Ihre eigenen Prognosemodelle erstellen.

Inhalte

  • Verstehen der wichtigsten Konzepte und Anwendungen eines Sequenzmodells, von Zeitreihen und Prognosen.
  • Identifizieren Sie die Optionen zur Entwicklung eines Prognosemodells auf Google Cloud.
  • Beschreiben Sie den Arbeitsablauf zur Entwicklung eines Prognosemodells mit Hilfe von Vertex AI.
  • Vorbereitung von Daten (einschließlich Ingestion und Feature Engineering) unter Verwendung von BigQuery und von Vertex verwalteten Datensätzen.
  • Trainieren Sie ein Prognosemodell und bewerten Sie die Leistung mit Hilfe von AutoML.
  • Einsatz und Überwachung eines Prognosemodells mit Hilfe von Vertex AI Pipelines.
  • Erstellen Sie eine durchgängige Prognoselösung unter Verwendung eines Einzelhandelsdatensatzes.

Voraussetzungen

Mit einer oder mehreren der folgenden Eigenschaften:

  • Grundkenntnisse der Python-Syntax
  • Grundlegendes Verständnis von Modellen des maschinellen Lernens
  • Frühere Erfahrungen bei der Entwicklung von Lösungen für maschinelles Lernen in der Google Cloud

Zielgruppe

Professionelle Datenanalysten, Datenwissenschaftler und ML-Ingenieure, die leistungsstarke End-to-End-Prognoselösungen auf Google Cloud erstellen und den Workflow automatisieren möchten.