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
Offert par
À propos de ce cours
1,605 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 10 heures pour terminer
Français
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 5 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 10 heures pour terminer
Français
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais
Offert par
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.
Programme du cours : ce que vous apprendrez dans ce cours
1 heure pour terminer
Introduction de la spécialisation
Présentation de la spécialisation et des experts Google qui s'occupent de la formation
1 heure pour terminer
4 vidéos (Total 11 min)
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 130 min
2 heures 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.
2 heures pour terminer
17 vidéos (Total 52 min)
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 230 min
1 heure pour terminer
Le machine learning chez Google
Ce module présente le savoir-faire organisationnel acquis par Google au fil des années.
1 heure pour terminer
6 vidéos (Total 36 min)
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 330 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.
1 heure pour terminer
7 vidéos (Total 27 min)
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 430 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.
5 heures pour terminer
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 530 min
4 minutes pour terminer
Récapitulatif
4 minutes pour terminer
1 vidéo (Total 4 min)
1 vidéo
À propos du 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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Is financial aid available?
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
