menu
arrow_back

Verteiltes maschinelles Lernen mit Google Cloud ML

Verteiltes maschinelles Lernen mit Google Cloud ML

1 Stunde 30 Minuten 7 Guthabenpunkte

GSP274

Google Cloud-Labs zum selbstbestimmten Lernen

Übersicht

In diesem Lab erstellen und konfigurieren Sie neuronale Deep-Learning-Netzwerkmodelle mit Google Cloud ML und treffen anschließend Vorhersagen mithilfe von Google Cloud ML Engine und der von Ihnen trainierten Modelle.

Im vorherigen Lab dieser Aufgabenreihe, Maschinelles Lernen mit TensorFlow, haben Sie ein grundlegendes Google Cloud ML-Framework entwickelt. Im vorliegenden Lab entwickeln Sie dieses Framework weiter und lernen verschiedene Ansätze zum Optimieren von Modellen für das maschinelle Lernen (ML) kennen.

Das in diesem Lab verwendete Basis-Dataset enthält Verlaufsdaten zu Inlandsflügen in den USA, die der Website des US-amerikanischen Bureau of Transport Statistics entnommen wurden. Anhand dieser Daten lassen sich verschiedene Data-Science-Konzepte und -Techniken demonstrieren. Dasselbe Dataset kommt auch in allen anderen Labs der Aufgabenreihen Data Science on Google Cloud Platform und Data Science on Google Cloud Platform: Machine Learning zum Einsatz. Die spezifischen Dateien, die in diesem Lab verwendet werden, enthalten separate Trainings- und Evaluierungs-Datasets. Weitere Informationen darüber, wie diese Dateien erstellt werden, erhalten Sie in einem vorherigen Lab dieser Aufgabenreihe, Zeitfenstergesteuerte Daten mit Apache Beam und Cloud Dataflow (Java) verarbeiten.

Cloud Datalab ist ein leistungsfähiges interaktives Tool zum Untersuchen, Analysieren, Umwandeln und Visualisieren von Daten sowie zum Erstellen von ML-Modellen auf der Google Cloud Platform. Es wird auf Compute Engine ausgeführt und ist in der Lage, ganz einfach Verbindungen zu mehreren Clouddiensten wie Google BigQuery und Cloud SQL oder zu einfachen Textdaten herzustellen, die in Google Cloud Storage gespeichert sind. So können Sie sich ganz auf Ihre Data-Science-Aufgaben konzentrieren.

Google BigQuery ist ein RESTful-Webdienst, der in Verbindung mit Google Storage die interaktive Analyse sehr großer Datasets ermöglicht.

Ziele

  • Ein Python TensorFlow ML-Framework erweitern, sodass es einen Klassifikator für das neuronale Deep-Learning-Netzwerk verwendet

  • Den Klassifikator für das neuronale Deep-Learning-Netzwerk modifizieren, sodass ein Modell für Wide- und Deep-Learning implementiert wird

  • Ein trainiertes Modell für Cloud ML Engine bereitstellen und mithilfe von Python Vorhersagen treffen, um API-Aufrufe an die Cloud ML Engine auszuführen

Wenn Sie sich in Qwiklabs anmelden, erhalten Sie Zugriff auf den Rest des Labs – und mehr!

  • Sie erhalten vorübergehenden Zugriff auf Google Cloud Console.
  • Mehr als 200 Labs für Einsteiger und Experten.
  • In kurze Sinneinheiten eingeteilt, damit Sie in Ihrem eigenen Tempo lernen können.
Beitreten, um dieses Lab zu starten
Punktzahl

—/20

Check for successful run of a gcloud ml-engine job called dnn-*

Schritt ausführen

/ 5

Check for successful run of a gcloud ml-engine job called wide-*

Schritt ausführen

/ 5

Check for successful run of a gcloud ml-engine job called learn-*

Schritt ausführen

/ 5

Check for ml-engine model called flights

Schritt ausführen

/ 5