Ce cours fait partie de la Spécialisation Machine Learning with TensorFlow on Google Cloud en Français

4.5

étoiles

11 évaluations

Google Cloud Training

Offert par

Spécialisation Machine Learning with TensorFlow on Google Cloud en FrançaisGoogle Cloud

À propos de ce cours

Au début de ce cours, vous trouverez une discussion concernant les données, expliquant comment améliorer leur qualité et comment effectuer des analyses exploratoires. Ensuite, nous vous présenterons Vertex AI AutoML et vous expliquerons comment créer, entraîner et déployer un modèle de machine learning (ML) sans écrire une ligne de code. Vous découvrirez également les avantages de BigQuery ML. Enfin, nous verrons comment optimiser un modèle de ML, et en quoi la généralisation ainsi que l'échantillonnage peuvent vous aider à évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 2 sur 5 dans le

Spécialisation Machine Learning with TensorFlow on Google Cloud en Français

Niveau débutant

Approx. 16 heures pour terminer

Français

Ce que vous allez apprendre

Expliquer comment améliorer la qualité des données et effectuer des analyses exploratoires
Créer et entraîner des modèles AutoML avec Vertex AI et BigQuery ML
Optimiser et évaluer des modèles à l'aide des fonctions de perte et des métriques de performances
Créer des ensembles de données d'entraînement, d'évaluation et de test reproductibles et évolutifs

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 2 sur 5 dans le

Spécialisation Machine Learning with TensorFlow on Google Cloud en Français

Niveau débutant

Approx. 16 heures pour terminer

Français

Enseignant

Google Cloud Training

1 880 011 étudiants

1 022 cours

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 de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

1 minute pour terminer

Présentation

1 minute pour terminer

1 vidéo (Total 1 min)

Semaine

Semaine 2

4 heures pour terminer

Familiarisation : effectuer une analyse exploratoire des données pour les améliorer

Dans ce module, nous verrons comment améliorer la qualité de nos données et effectuer une analyse exploratoire de celles-ci. Nous évoquerons également l'importance du nettoyage de données en machine learning et son impact sur la qualité. Sachez par exemple que des valeurs manquantes peuvent fausser les résultats. Enfin, vous découvrirez pourquoi il est primordial d'explorer vos données. Une fois l'ensemble de données nettoyé, vous effectuerez une analyse exploratoire de celui-ci.

4 heures pour terminer

9 vidéos (Total 57 min)

9 vidéos

Présentation39s

Améliorer la qualité des données13 min

Coursera : Premiers pas avec Google Cloud Platform et Qwiklabs4 min

Présentation de l'atelier : Améliorer la qualité de vos données1 min

Démonstration de l'atelier : Améliorer la qualité de vos données22 min

Qu'est-ce que l'analyse exploratoire des données ?4 min

Comment l'analyse exploratoire des données est-elle utilisée en machine learning ?4 min

Analyse et visualisation des données3 min

Présentation de l'atelier : Explorer les données à l'aide de Python et de BigQuery46s

1 exercice pour s'entraîner

Quiz : Familiarisation : effectuer une analyse exploratoire des données pour les améliorer10 min

Semaine

Semaine 3

3 heures pour terminer

Le machine learning en pratique

3 heures pour terminer

6 vidéos (Total 45 min)

Semaine

Semaine 4

4 heures pour terminer

Entraîner des modèles AutoML à l'aide de Vertex AI

4 heures pour terminer

7 vidéos (Total 38 min)

7 vidéos

Présentation23s

Comparaison entre le machine learning et le deep learning7 min

Qu'est-ce que le machine learning automatisé ?1 min

Modèle de régression AutoML10 min

(Facultatif) Présentation de l'atelier : Entraîner un modèle de classification AutoML (données structurées)28s

(Facultatif) Démonstration de l'atelier : Entraîner un modèle de classification AutoML (données structurées)7 min

Évaluer des modèles AutoML10 min

1 exercice pour s'entraîner

Quiz : Entraîner des modèles AutoML à l'aide de Vertex AI18 min

Semaine

Semaine 5

4 heures pour terminer

BigQuery Machine Learning : développer des modèles de ML dans l'espace de stockage de vos données

4 heures pour terminer

8 vidéos (Total 30 min)

8 vidéos

Présentation22s

Entraîner un modèle de ML avec BigQuery ML5 min

Modèles compatibles avec BigQuery Machine Learning2 min

Présentation de l'atelier : Utiliser BigQuery ML pour prédire le poids d'un manchot (BigQuery ML et Explainable AI)29s

Démonstration de l'atelier : Utiliser BigQuery ML pour prédire le poids d'un manchot (BigQuery ML et Explainable AI)11 min

Régler les hyperparamètres de BigQuery ML3 min

(Facultatif) Présentation de l'atelier : Utiliser les réglages d'hyperparamètres BigQuery ML pour améliorer les performances du modèle28s

Créer et déployer un système de recommandation à l'aide de BigQuery ML5 min

1 exercice pour s'entraîner

Quiz : BigQuery Machine Learning : développer des modèles de ML dans l'espace de stockage de vos données10 min

Semaine

Semaine 6

1 heure pour terminer

Optimisation

1 heure pour terminer

12 vidéos (Total 58 min)

12 vidéos

Présentation26s

Définition des modèles de ML4 min

Présentation de l'ensemble de données du cours6 min

Présentation des fonctions de perte6 min

Descente de gradient5 min

Résoudre les problèmes liés aux courbes de fonction de perte2 min

Problèmes liés aux modèles de ML6 min

Atelier du cours : Présentation de TensorFlow Playground6 min

Atelier du cours : TensorFlow Playground – Niveau avancé3 min

Atelier du cours : S'entraîner à utiliser des réseaux de neurones6 min

Métriques de performances3 min

Matrice de confusion5 min

1 exercice pour s'entraîner

Quiz : Optimisation10 min

Semaine

Semaine 7

1 heure pour terminer

Généralisation et échantillonnage

Il est maintenant temps de répondre à une question plutôt bizarre : dans quels cas ne faut-il pas choisir le modèle de ML le plus précis ? Comme brièvement évoqué dans le module précédent sur l'optimisation, un modèle présentant une métrique de perte égale à zéro pour votre ensemble de données d'entraînement ne sera pas forcément efficace sur de nouvelles données réelles. Dans ce module, vous apprendrez à créer des ensembles de données d'entraînement, d'évaluation et de test reproductibles, ainsi qu'à définir des benchmarks de performances.

1 heure pour terminer

5 vidéos (Total 28 min)

À propos du Spécialisation Machine Learning with TensorFlow on Google Cloud 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 <<<

Machine Learning with TensorFlow on Google Cloud en Français

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
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.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Launching into Machine Learning en Français

À propos de ce cours

Ce que vous allez apprendre