Vertex AI 機器學習 教學課程

實體AI教學課程內容

課程簡介

課程名稱：Vertex AI 機器學習工程速成班
課程時長：3 小時（180 分鐘）
目標對象：具備 Python 基礎的資料科學家、ML 工程師或開發人員，欲快速上手 Google Cloud Vertex AI 平台。
學習目標：學員將掌握 Vertex AI 端到端 ML 工作流程，從環境設定、資料準備、AutoML 訓練、自訂模型開發，到部署與 MLOps 管線建構。透過實作導向教學，學員能獨立建置生產級 ML 應用，理解平台核心元件如 Pipelines、Feature Store 與 Model Monitoring。
先修知識：Python、基本 ML 概念（如分類/回歸）、Google Cloud 帳戶。
 

課程大綱

模組 1：平台介紹與環境建置（30 分鐘）

• Vertex AI 架構概述：AutoML、Custom Training、Pipelines 與 Model Garden。

• Google Cloud 專案設定：啟用 API、IAM 角色配置（aiplatform.user）。

• 開發環境部署：Vertex AI Workbench（Deep Learning VM）與 SDK 安裝。

• 實作：gcloud CLI 初始化與 Notebook 啟動（10 分鐘）。

模組 2：資料準備與特徵工程（30 分鐘）

• 資料匯入：支援格式（CSV/JSONL/TFRecord）與 BigQuery 整合。

• 資料集建立：分割（80/10/10）、品質檢查與統計分析。

• Feature Store 介紹：線上/離線特徵服務。

• 實作：上傳表格資料集，建立 TabularDataset 並檢視 schema（15 分鐘）。

模組 3：模型訓練（AutoML 與自訂）（45 分鐘）

• AutoML 無程式碼訓練：影像分類/表格預測設定，預算控制（node-hours）。

• 自訂訓練：Python trainer 腳本撰寫，GPU/TPU 資源配置。

• 超參數調優：HyperparameterTuningJob 與 Bayesian Optimization。

• 實作：執行 AutoML 表格分類 + 自訂 TensorFlow 訓練 job（25 分鐘）。

模組 4：模型評估與優化（30 分鐘）

• 效能指標檢視：AUC-PR、Confusion Matrix、SHAP 解釋性分析。

• 診斷工具：What-If Tool 與交叉驗證。

• Model Registry：版本管理與比較。

• 實作：分析訓練結果，調整閾值並註冊最佳模型（15 分鐘）。

模組 5：部署、預測與監控（30 分鐘）

• 端點部署：線上（REST API）/批次預測，自動擴展設定。

• 推論呼叫：Python SDK 與 gRPC 範例。

• Model Monitoring：漂移偵測（Data/Concept Drift）與自動重新訓練。

• 實作：部署模型端點，執行即時預測與監控警示（15 分鐘）。

模組 6：MLOps 管線與最佳實踐（15 分鐘）

• Pipelines 建構：DAG 工作流定義（@pipeline decorator）。

• 端到端自動化：CI/CD 整合與費用治理。

• 進階應用：生成式 AI 微調與公平性檢查。

• 總結與 Q&A：課程回顧、常見問題解答與延伸資源（Google Codelabs）。