À propos de ce cours

Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 14 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.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 14 heures pour terminer
Français
Sous-titres : Français, Portugais (brésilien), Allemand, Anglais, Espagnol, Japonais...

Offert par

Logo Google Cloud

Google Cloud

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

1 heure pour terminer

Introduction au machine learning sans serveur sur Google Cloud Platform

1 heure pour terminer
2 vidéos (Total 5 min)
2 vidéos
Considérations concernant le machine learning2 min
1 exercice pour s'entraîner
Test de préparation pour la formation sur le machine learning30 min
3 heures pour terminer

Module 1 : Premiers pas avec le machine learning

3 heures pour terminer
21 vidéos (Total 109 min)
21 vidéos
Types de ML3 min
Pipeline du ML2 min
Variantes d'un modèle de ML7 min
Formuler un problème de ML2 min
Se familiariser avec le machine learning (ML)8 min
Optimisation9 min
Environnement bac à sable pour les réseaux de neurones18 min
Combinaison de caractéristiques3 min
Extraction de caractéristiques3 min
Modèles d'images5 min
Efficacité du ML2 min
Caractéristiques d'un ensemble de données de qualité5 min
Métriques d'erreurs3 min
Précision2 min
Précision et rappel5 min
Créer des ensembles de données pour le machine learning3 min
Scinder un ensemble de données6 min
Blocs-notes Python1 min
Présentation de l'atelier : Créer des ensembles de données pour le ML3 min
Évaluation de l'atelier : Créer des ensembles de données pour le ML2 min
1 exercice pour s'entraîner
Questionnaire du module 130 min
6 heures pour terminer

Module 2 : Créer des modèles de ML avec TensorFlow

6 heures pour terminer
15 vidéos (Total 65 min)
15 vidéos
Qu'est-ce que TensorFlow ?5 min
Éléments de base de TensorFlow5 min
Présentation de l'atelier : Premiers pas avec TensorFlow7s
Évaluation de l'atelier sur TensorFlow10 min
API Estimator8 min
Machine learning avec tf.estimator15s
Évaluation de l'atelier sur l'API Estimator7 min
Concevoir des modèles de ML efficaces6 min
Présentation de l'atelier : Refactorisation pour le regroupement et la création de caractéristiques38s
Évaluation de l'atelier sur la refactorisation4 min
Procéder à l'apprentissage et à l'évaluation4 min
Surveillance1 min
Présentation de l'atelier : Apprentissage distribué et surveillance2 min
Évaluation de l'atelier : Apprentissage distribué et surveillance7 min
1 exercice pour s'entraîner
Questionnaire du module 230 min
2 heures pour terminer

Module 3 : Faire évoluer les modèles de ML avec Cloud ML Engine

2 heures pour terminer
7 vidéos (Total 28 min)
7 vidéos
Pourquoi utiliser Cloud ML Engine6 min
Processus de développement1 min
Empaqueter un outil d'entraînement3 min
TensorFlow Serving3 min
Atelier : Mise à l'échelle du ML39s
Évaluation de l'atelier : Mise à l'échelle du ML10 min
1 exercice pour s'entraîner
Questionnaire du module 330 min
3 heures pour terminer

Module 4 : Extraction de caractéristiques

3 heures pour terminer
16 vidéos (Total 92 min)
16 vidéos
Caractéristiques pertinentes7 min
Causalité8 min
Numérique5 min
Exemples suffisants7 min
Des données brutes aux caractéristiques1 min
Caractéristiques catégoriques8 min
Croisements de caractéristiques3 min
Mise en bucket3 min
Modèles larges et profonds5 min
Cas d'utilisation de l'extraction de caractéristiques3 min
Présentation de l'atelier : Extraction de caractéristiques3 min
Évaluation de l'atelier : Extraction de caractéristiques10 min
Réglage des hyperparamètres et démonstration15 min
Niveaux d'abstraction du ML4 min
Résumé1 min
1 exercice pour s'entraîner
Questionnaire du module 430 min

Avis

Meilleurs avis pour SERVERLESS MACHINE LEARNING WITH TENSORFLOW ON GOOGLE CLOUD PLATFORM EN FRANÇAIS

Voir tous les avis

À propos du Spécialisation Data Engineering on Google Cloud Platform en Français

Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud Platform. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning. Ce cours traite des données par flux ainsi que des données structurées et non structurées. Ce cours permet aux participants d'acquérir les compétences suivantes : • Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform • Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc • Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow • Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery • Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML • Obtenir des insights immédiats à partir de données par flux Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data. 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...
Data Engineering on Google Cloud Platform en Français

Foire Aux Questions

  • Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

  • If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

  • Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.

  • If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

  • This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

  • Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:

    • Knowledge of Google Cloud Platform

    • Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera

    • Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera

    • Knowledge of Python and familiarity with the numpy package

    • Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera

  • To be eligible for the free trial, you will need:

    - Google account (Google is currently blocked in China)

    - Credit card or bank account

    - Terms of service

    Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602

    More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/

    For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/

  • If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.

  • View this page for more details: https://cloud.google.com/free-trial/docs/

  • Yes, this online course is based on the instructor-led training formerly known as CPB102.

  • The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/

  • Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/

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