Description
Vous voulez en savoir plus sur Vertex AI Feature Store ? Vous souhaitez découvrir comment améliorer la précision de vos modèles de ML ? Comment déterminer les colonnes de données présentant les caractéristiques les plus utiles ? Bienvenue dans le cours “Feature Engineering”, dans lequel vous apprendrez à distinguer les caractéristiques pertinentes de celles qui ne le sont pas. Vous verrez aussi comment les prétraiter et les transformer pour les utiliser de manière optimale dans vos modèles. Ce cours inclut du contenu et des ateliers portant sur l’extraction de caractéristiques à l’aide de BigQuery ML, Keras et TensorFlow.
What you will learn
Présentation
Ce module présente le cours et ses objectifs.
Présentation de Vertex AI Feature Store
Ce module présente Vertex AI Feature Store.
Des données brutes aux caractéristiques
L’extraction de caractéristiques est souvent la phase la plus longue et la plus difficile du développement de votre projet de ML. Dans le processus d’extraction de caractéristiques, vous partez de vos données brutes et utilisez votre propre connaissance du domaine pour créer des caractéristiques qui feront fonctionner vos algorithmes de ML. Dans ce module, nous explorerons ce qui constitue une bonne caractéristique et découvrirons comment la représenter dans votre modèle de ML.
Extraction de caractéristiques
Ce module examine les différences entre le machine learning et les statistiques, et comment effectuer une extraction de caractéristiques dans BigQuery ML et Keras. Nous aborderons également certaines pratiques avancées d’extraction de caractéristiques.
