صياغة مشكلات الأعمال كمشكلات تعلّم آلة محدّدة جيدًا والحكم متى يكون تعلّم الآلة الأداة المناسبة (ومتى لا يكون).
تصميم بنية حلول تعلّم آلة شاملة على Google Cloud، والاختيار بين AutoML وBigQuery ML والتدريب المخصّص.
تصميم خطوط أنابيب لاستيعاب البيانات وإعدادها وهندسة الخصائص باستخدام Dataflow وBigQuery وVertex AI Feature Store.
تدريب النماذج وتقييمها وضبطها، بما في ذلك ضبط المعاملات الفائقة والتدريب الموزّع على Vertex AI.
البناء باستخدام BigQuery ML وTensorFlow/Keras، وفهم متى يناسب كل منهما حالة الاستخدام.
نشر النماذج وخدمتها عبر نقاط نهاية Vertex AI والتنبؤ الدُّفعي والتنبؤ الفوري.
أتمتة وتنظيم خطوط أنابيب تعلّم الآلة باستخدام Vertex AI Pipelines وKubeflow وCI/CD (MLOps).
مراقبة النماذج في الإنتاج بحثًا عن الانحراف والانجراف والأداء، وتشغيل إعادة التدريب.
تطبيق الذكاء الاصطناعي المسؤول والإنصاف وقابلية التفسير والأمان عبر دورة الحياة.
استخدام الذكاء الاصطناعي التوليدي على Vertex (Model Garden وGemini والضبط والترسيخ) وتطبيق استراتيجية الامتحان.
اجتياز امتحان من 45 سؤالًا (80٪ للحصول على شهادتك).

🤖 Google Professional ML Engineer