概述
本課程探討使用 Vertex AI 特徵庫的好處、如何提升機器學習模型的準確度,以及如何辨識哪些資料欄位能產生最有用的特徵。
課程內容包含理論內容與以特徵工程為重點的實作實驗,使用 BigQuery ML、 Keras 與 TensorFlow。
為什麼選擇 KORNERSTONE
- 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
- 官方訓練資料包含
- 實務、情境導向學習——著重應用,而非僅理論
- 優秀的通過率
涵蓋技能
完成本課程後,學習者將能:
- 說明使用 Vertex AI 特徵庫的好處。
- 應用特徵工程技術以提升機器學習模型的準確度。
- 判斷哪些資料欄位作為特徵最有效。
- 使用 BigQuery ML 進行特徵工程。
- 使用 Keras 與 TensorFlow 實作特徵工程工作流程。
先決條件
-
機器
- 學習概念的基本
- 熟悉 SQL(用於 BigQuery ML)和 Python(用於 Keras/TensorFlow)
理解
目標受眾
- 資料科學家
- 希望轉行到機器學習職務
- 有志或在職的機器學習工程師
的資料分析師
培訓大綱
模組 1:特徵工程
-
導論什麼是
- 特徵?
- 為什麼特徵會影響模型準確度
- 原始資料與實用功能
模組 2:頂點 AI 功能商店
- 功能商店
- 管理、分享與重複使用功能
- 線上與離線服務
的優點
模組三:利用 BigQuery 機器學習
-
進行特徵工程
- 從 SQL 查詢
- 數據轉換
- 實驗室:BigQuery
建立特徵 大規模
中的特徵工程
模組 4: 使用 Keras
- 預處理層
- 字串查找、離散化、正規化
- 實驗室:Keras 特徵欄
的特徵工程
模組 5:使用 TensorFlow 的特徵工程
-
功能管線
- 的 TF.data
- 特徵交叉與嵌入
- 實驗室:TensorFlow 特徵工程
模組 6:挑戰實驗室(技能徽章)
- 直接跳到挑戰實驗室
- 展示技能而無需完成所有模組





