Machine Learning sur Google Cloud (MLGC)
Mettez en œuvre vos projets d’IA avec les services natifs de Google Cloud !
Vue d'ensemble
Compréhension des concepts fondamentaux du machine learning.
Connaissance de base d’un langage de programmation (Python recommandé).
Bonne lecture de l’anglais technique (supports de cours en anglais).
Objectifs pédagogiques
Programme détaillé
Module 1 : La vision de Google pour le Machine Learning
Découvrir Vertex AI et son rôle dans la création et le déploiement rapide de modèles AutoML.
Identifier les bonnes pratiques d’implémentation sur Google Cloud.
Élaborer une stratégie de données orientée ML.
Explorer des cas d’usage réinterprétés avec une approche machine learning.
Utiliser l’environnement et les outils Google Cloud pour l’IA.
Module 2 : Premiers pas avec le Machine Learning
Utiliser Vertex AI AutoML pour créer et déployer un modèle ML sans coder.
Comprendre BigQuery ML et ses avantages.
Améliorer la qualité des données et mener une analyse exploratoire.
Construire et entraîner des modèles supervisés.
Optimiser et évaluer un modèle avec des métriques adaptées.
Gérer les problèmes fréquents en apprentissage automatique.
Créer des ensembles de données d’entraînement, d’évaluation et de test reproductibles et évolutifs.
Module 3 : TensorFlow sur Google Cloud
Créer des modèles ML avec TensorFlow et Keras.
Identifier les composants essentiels de TensorFlow.
Exploiter la bibliothèque tf.data pour manipuler de grands ensembles de données.
Construire des modèles avec les couches de prétraitement de tf.keras.
Concevoir des modèles simples et avancés avec les API séquentielles et fonctionnelles.
Comprendre l’utilisation de sous-classes de modèles pour des besoins personnalisés.
Module 4 : Ingénierie des caractéristiques
Découvrir le Feature Store de Vertex AI.
Identifier les caractéristiques d’une bonne fonctionnalité.
Créer de nouvelles variables via les croisements de caractéristiques.
Réaliser l’ingénierie des caractéristiques avec BQML, TensorFlow et Keras.
Prétraiter et explorer les données avec Cloud Dataflow et Dataprep.
Utiliser TensorFlow pour transformer et exploiter les caractéristiques.
Module 5 : L’apprentissage automatique en entreprise
Découvrir les outils de gestion et de gouvernance des données.
Choisir les meilleures méthodes de prétraitement (Dataflow, Dataprep, SQL).
Différencier AutoML, BQML et l’entraînement personnalisé selon les besoins.
Améliorer les performances des modèles avec Vertex Vizier.
Mettre en place des prédictions par lot ou en temps réel et surveiller les modèles.
Comprendre les avantages des pipelines d’IA avec Vertex AI.
Prochaines sessions
Avis des participants
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
En savoir plus sur le financement