이 과정에서는 다양한 ML 비즈니스 요구사항과 사용 사례를 다루는 ML팀의 우수사례를 중심으로 ML 워크플로에 대한 실용적이고 현실적인 접근 방식을 포괄적으로 소개합니다. 이 팀은 데이터 관리 및 거버넌스에 필요한 도구를 이해하고, Dataflow 및 Dataprep에 대한 개괄적인 지식과 BigQuery를 사용한 사전 처리 작업 등을 바탕으로 데이터 사전 처리를 위한 가장 효과적인 접근 방식을 검토해야 합니다.

팀은 두 가지 구체적인 사용 사례에 맞는 머신러닝 모델을 빌드하는 세 가지 옵션을 제공합니다. 이 과정에서는 팀이 목표 달성을 위해 AutoML, BigQuery ML 또는 커스텀 학습을 사용해야 하는 이유를 설명합니다. 커스텀 학습에 대해서도 자세히 설명합니다. 학습 코드 구조, 스토리지, 대용량 데이터 세트 로드에서 학습된 모델 내보내기에 이르기까지 커스텀 학습 요구사항을 설명합니다. Docker에 대한 지식이 거의 없어도 컨테이너 이미지를 빌드할 수 있는 커스텀 학습 머신러닝 모델을 빌드합니다. 우수사례팀에서 Vertex Vizier를 사용한 초매개변수 조정과 모델 성능을 개선하는 데 이를 어떻게 활용할 수 있는지 연구합니다. 모델 개선에 대한 이해를 높이기 위해 정규화와 희소성 처리, 그 외 많은 중요한 개념과 원칙 등 이론적인 내용도 자세히 살펴봅니다. 마지막으로 예측 및 모델 모니터링을 개략적으로 설명하고 Vertex AI를 사용하여 ML 모델을 관리하는 방법을 알아봅니다.