menu
arrow_back

Aprendizaje automático distribuido con Google Cloud ML

Aprendizaje automático distribuido con Google Cloud ML

Horas Minutos 7 Créditos

GSP274

Labs de autoaprendizaje de Google Cloud

Descripción general

En este lab, creará y configurará modelos de redes neuronales profundas con Google Cloud ML. Luego, usará Google Cloud ML Engine para hacer predicciones a partir de sus modelos entrenados.

Extenderá el marco de trabajo básico de aprendizaje automático para Google Cloud ML que desarrolló en el lab anterior de esta Quest, Aprendizaje automático con TensorFlow, a fin de explorar distintos enfoques para optimizar los modelos de aprendizaje automático.

El conjunto de datos base que se usa para estos labs brinda información histórica sobre los vuelos internos en Estados Unidos. Dicha información se recuperó del sitio web de la Oficina de Estadísticas del Transporte de EE.UU. Este conjunto de datos puede usarse para demostrar una amplia variedad de conceptos y técnicas sobre la ciencia de datos y se utiliza en todos los demás labs de las Quests Data Science on the Google Cloud Platform y Data Science on Google Cloud Platform: Machine Learning. Los archivos específicos de datos que se usan en este lab contienen conjuntos de datos separados de entrenamiento y de evaluación. Los detalles sobre cómo pueden producirse estos archivos figuran en un lab anterior en esta Quest, Cómo procesar datos con ventanas de tiempo usando Apache Beam y Cloud Dataflow (Java).

Cloud Datalab es una herramienta interactiva potente creada para explorar, analizar, transformar y visualizar datos, así como para compilar modelos de aprendizaje automático en Google Cloud Platform. Se ejecuta en Google Compute Engine y se conecta a varios servicios en la nube, como Google BigQuery, Cloud SQL o datos de texto sin formato almacenados en Google Cloud Storage. De este modo, puede enfocarse en sus tareas de ciencia de datos.

Google BigQuery es un servicio web RESTful que habilita el análisis interactivo de conjuntos de datos inmensos y trabaja con Google Cloud Storage de manera conjunta.

Objetivos

  • Extender un marco de trabajo de aprendizaje automático de TensorFlow en Python para usar un clasificador de redes neuronales profundas

  • Modificar el clasificador de redes neuronales profundas para implementar un modelo amplio y profundo

  • Implementar un modelo entrenado en Cloud ML Engine y hacer predicciones usando Python para ejecutar las llamadas a la API dirigidas a Cloud ML Engine

Join Qwiklabs to read the rest of this lab...and more!

  • Get temporary access to the Google Cloud Console.
  • Over 200 labs from beginner to advanced levels.
  • Bite-sized so you can learn at your own pace.
Join to Start This Lab
Puntuación

—/20

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

Ejecutar paso

/ 5

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

Ejecutar paso

/ 5

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

Ejecutar paso

/ 5

Check for ml-engine model called flights

Ejecutar paso

/ 5