GCP Vertex AI
بناء دورة كاملة لمشروع تعلّم آليّ على Google Cloud، من الدفتر التجريبيّ إلى خطّ الإنتاج المُجدوَل، عبر منصّة Vertex AI الموحّدة.
مدّة الدورة: 7 ساعات
ما ستتعلّمه
- تشكيل مشروع GCP جاهز لعمل الفريق: تفعيل الخدمات، حسابات الخدمة، الأذونات، الفوترة بالثانية
- استعمال الدفاتر المُدارة (Workbench وColab Enterprise) والوصول إلى BigQuery مباشرةً
- تصميم مسار البيانات بين Cloud Storage وBigQuery ومجموعات Vertex AI
- كتابة تدريب مخصّص في حاوية، وتوسيعه على أنواع الأجهزة والمُسرِّعات
- إطلاق حملة ضبط المعاملات الفائقة على Vizier بتجارب متوازية وإيقاف مبكر
- حفظ النماذج في سجلّ النماذج بإصدارات وأسماء مستعارة، ونشرها على نقطة نهاية بتقسيم حركة المرور
- تشغيل التوقّع بالدفعات ليلًا من BigQuery إلى BigQuery
- بناء خطوط إنتاج KFP على Vertex AI Pipelines بشرط نشر آليّ
- استدعاء نماذج الأساس من Model Garden واحتساب الكلفة لكلّ رمز
المتطلّبات المسبقة
- MLOps (الدورة 20): تعقّب التجارب، تسجيل النماذج، نشر خدمة
- إلمام بمبادئ Google Cloud: مفهوم المشروع، IAM، Cloud Storage
- بايثون وأساسيات pandas وscikit-learn
وحدات الدورة
- Vertex AI: المكوّنات والمصطلحات
- الدفاتر المُدارة وبيئات التطوير
- البيانات على Cloud Storage وBigQuery
- التدريب المخصّص والحاويات
- ضبط المعاملات الفائقة على نطاق واسع
- سجلّ النماذج والإصدارات
- نقاط النهاية وتقسيم حر كة المرور والتوسّع
- التوقّع بالدفعات
- Vertex AI Pipelines
- نماذج الأساس وحديقة النماذج
الخيط الأحمر
يعبر الدورة مشروع كشف الاحتيال على معاملات الدفع: البيانات في BigQuery (نحو خمسة ملايين معاملة موسومة)، والدفتر يُستَخرِج ويستكشف، ثم يُدرَّب نموذج XGBoost في حاوية مخصّصة على وحدة معالجة رسوميّة واحدة، ثم يُضبَط بـVizier، ثم يُسجَّل ويُنشَر بإصدارين على نقطة نهاية بتقسيم 90/10، وأخيرًا يُشغَّل توقّع بالدفعات ليلًا من BigQuery، وكلّ ذلك مُنسَّق داخل خطّ Vertex AI Pipelines. الوحدة الأخيرة تُضيف مصنّفًا لتعليقات المتنازعين مبنيًّا على نموذج أساس من Model Garden.
التقييم والشهادة
يُختَم المسار باختبار من 40 سؤالًا يغطّي الوحدات العشر جميعًا، وتُمنَح عند النجاح شهادة إتمام قابلة للتحقّق برقمها على المنصّة.