Serverless Machine Learning with Tensorflow on Google Cloud Platform
このコースはデータエンジニア向けのMLコース
このコースで学習すること
- 機械学習が最適な事例を特定する
- 機械学習モデルをTensorFlowで構築する
- モデルのトレーニングの評価とデプロイをCloud ML Engineでスケールする
- 特徴の前処理や結合の重要性
- 先進的な機械学習の概念が簡単にモデルに組み込めることを学習
- MLモデルの構築
データエンジニアが機械学習で知っておくべきこと
- 機械学習の仕組み
- 開発者のワークフロー
MLとは
- MLのステージ
- モデルのトレーニング
- トレーニングしたモデルで予測
- データエンジニアはトレーニングと推論の両方にフォーカスしなければならない
- 用語
- Label
- 正しい答え
- Input
- 予測のときに提供する基地のデータ
- Example
- ラベルと入力の組み合わせ
- Model
- 入力を受け入れてそのラベルに近似する出力を作成する
- Training
- モデルの重みを調整するプロセス
- Prediction
- 入力に数学モデルを適用するプロセス
- Label
- まずラベル付きデータセットを見つけ、適切な数学モデルを見つける
機械学習の使用
- 用語
- Weight
- MLモデルの自由なパラメータ
- Batch size
- 重みの変更を試す単位となる点の数
- Epoch
- トレーニングデータセット全体に対する1回の走査
- Gradient descent
- 誤差を小さくする処理
- Evaluation
- 重みを変更したときいデータセット全体に対するモデルの性能
- Training
- データを取得し、バッチに分割し、最急降下法を実施し、エポック毎に評価を行う流れ全体
- Weight