Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Google adopte une approche particulière du machine learning qui s'appuie non seulement sur les données, mais également sur la logique. Nous expliquerons l'intérêt que présente cette conception pour la création d'un pipeline de modèles de ML. Ensuite, nous examinerons les cinq phases permettant de convertir un cas d'utilisation devant être traité à l'aide du machine learning et étudierons pourquoi chaque étape est importante. Enfin, nous identifierons les biais que le machine learning est susceptible d'amplifier et apprendrons à les repérer.
Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow on Google Cloud Platform en Français
How Google does Machine Learning en Français
proposé par
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
117 minutes pour terminer
Introduction de la spécialisation
Présentation de la spécialisation et des experts Google qui s'occupent de la formation
4 vidéos (Total 11 min), 1 quiz
4 vidéos
Programme de la spécialisation5 min
Pourquoi choisir Google ?1 min
Pourquoi choisir Google Cloud ?2 min
1 exercice pour s'entraîner
Questionnaire du module 16 min
1 heure pour terminer
Le rôle central de l'intelligence artificielle
Dans ce module, vous allez découvrir comment Google donne la priorité à l'intelligence artificielle dans sa stratégie d'entreprise et comment ce concept se traduit en pratique.
17 vidéos (Total 52 min), 1 quiz
17 vidéos
Les deux étapes du ML3 min
Utilisation du ML dans les produits Google5 min
Démonstration : Utilisation du ML dans Google Photos1 min
Google Traduction et Gmail1 min
Remplacer des règles heuristiques5 min
Priorité aux données3 min
Présentation de l'atelier : Cerner un problème de ML1 min
Explication de l'atelier4 min
Démonstration : Utilisation du ML dans des applications2 min
Modèles pré-entraînés3 min
Évolution constante du marché du ML2 min
Stratégie de données5 min
Décalage entre les données d'entraînement et de diffusion5 min
Stratégie de ML1 min
Transformez votre entreprise2 min
Introduction au lab : Cas d'utilisation du ML26s
1 exercice pour s'entraîner
Questionnaire du module 26 min
1 heure pour terminer
Le machine learning chez Google
Ce module présente le savoir-faire organisationnel acquis par Google au fil des années.
6 vidéos (Total 36 min), 1 quiz
6 vidéos
Introduction40s
Les surprises du ML4 min
L'ingrédient secret du ML8 min
Le ML et les processus commerciaux6 min
Transition vers le ML10 min
Récapitulatif des cinq phases du ML4 min
1 exercice pour s'entraîner
Questionnaire du module 36 min
1 heure pour terminer
Le machine learning inclusif
Dans ce module, nous expliquons pourquoi les systèmes de machine learning ne sont pas inclusifs par défaut, et nous indiquons les éléments que vous devez garder à l'esprit lorsque vous intégrez le ML à vos produits.
7 vidéos (Total 27 min), 1 quiz
7 vidéos
Introduction1 min
Machine learning et biais humains2 min
Évaluation des métriques pour l'inclusion3 min
Mesures statistiques et compromis acceptables4 min
Égalité des chances6 min
Simuler des prises de décision3 min
Rechercher des erreurs dans un ensemble de données à l'aide de Facets4 min
1 exercice pour s'entraîner
Questionnaire du module 46 min
5 heures pour terminer
Blocs-notes Python dans le cloud
Ce module concerne Cloud Datalab, l'environnement de développement que vous allez utiliser dans le cadre de cette spécialisation.
22 vidéos (Total 81 min), 1 lecture, 4 quiz
22 vidéos
Cloud Datalab1 min
Démonstration : Cloud Datalab1 min
Processus de développement2 min
Démonstration : transfert d'hébergement d'un bloc-notes Cloud Datalab3 min
Utiliser des services gérés2 min
Calcul et stockage4 min
Présentation de Qwiklabs3 min
Explication de l'atelier11 min
Cloud Shell2 min
Troisième évolution du cloud : services entièrement gérés1 min
Troisième évolution du cloud : analyse des données sans serveur2 min
Troisième évolution du cloud : BigQuery et Cloud Datalab52s
Présentation de l'atelier : Analyse de données avec Datalab et BigQuery1 min
Explication de l'atelier : Analyse de données avec Datalab et BigQuery11 min
L'intelligence du ML2 min
API Vision en action3 min
API Video Intelligence3 min
API Cloud Speech3 min
Traduction avec l'API Natural Language4 min
Présentation de l'atelier : API de ML pré-entraînées49s
Explication de l'atelier9 min
1 lecture
Présentation de l'atelier sur la location d'une VM10 min
1 exercice pour s'entraîner
Questionnaire du module 56 min
4 minutes pour terminer
Récapitulatif
1 vidéo (Total 4 min)
1 vidéo
À propos de Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
À propos de la Spécialisation Machine Learning with TensorFlow on Google Cloud Platform en Français
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML.
Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform.
>>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
