- Level Professional
- المدة
- الطبع بواسطة Google Cloud
-
Offered by
عن
Ce cours présente une approche pratique du workflow de ML avec une étude de cas dans laquelle une équipe est confrontée à plusieurs exigences métier et cas d'utilisation de ML. Cette équipe doit comprendre quels outils sont nécessaires pour gérer et gouverner les données, et trouver la meilleure approche pour prétraiter les données, de la découverte de Dataflow et Dataprep à l'utilisation de BigQuery pour les opérations de prétraitement. On présente à cette équipe trois options de construction de modèles de machine learning pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe utiliserait AutoML, BigQuery ML ou l'entraînement personnalisé pour atteindre ses objectifs. Il permet de découvrir plus en détail l'entraînement personnalisé en décrivant les exigences correspondantes : structure du code d'entraînement, stockage, chargement de grands ensembles de données ou encore exportation d'un modèle entraîné. Vous construirez un modèle de machine learning pour l'entraînement personnalisé, qui vous permettra de créer une image de conteneur avec peu de connaissances de Docker. Dans cette étude de cas, l'équipe examine les réglages d'hyperparamètres à l'aide de Vertex Vizier et la façon dont ils peuvent être utilisés pour améliorer les performances du modèle. Ce cours inclut une partie théorique pour vous aider à mieux comprendre l'amélioration des modèles : nous parlerons de la régularisation, de la parcimonie, ainsi que de nombreux autres concepts et principes essentiels. Nous terminerons par un aperçu de la prédiction et de la surveillance des modèles. Vous pourrez aussi découvrir comment Vertex AI peut être utilisé pour gérer les modèles de ML.الوحدات
Introduction
1
Videos
- Présentation du cours
Comprendre le workflow de ML en entreprise : introduction et présentation du module
1
Assignment
- Comprendre le workflow de ML en entreprise
2
Videos
- Introduction
- Présentation d'un workflow de ML en entreprise
1
Readings
- Comprendre le workflow de ML en entreprise
Données d'entreprise : présentation du module
1
Videos
- Introduction
Outils de gestion et de gouvernance des données
2
Videos
- Feature Store
- Data Catalog
Outils pré-DG
2
Videos
- Dataplex
- Analytics Hub
Options de prétraitement des données
1
Assignment
- Quiz : Données d'entreprise
1
External Tool
- Atelier : Créer et explorer un pipeline d'analyse de données d'e-commerce à l'aide de Cloud Dataprep
4
Videos
- Options de prétraitement des données
- Dataprep
- Présentation de l'atelier : Créer et explorer un pipeline d'analyse de données d'e-commerce à l'aide de Dataprep
- Coursera : Premiers pas avec Google Cloud Platform et Qwiklabs
1
Readings
- Ressources : Données d'entreprise
Science du machine learning et entraînement personnalisé : présentation du module
1
Videos
- Introduction
L'art et la science du machine learning
1
Assignment
- Science du machine learning et entraînement personnalisé
1
External Tool
- Atelier : Vertex AI: Qwik Start
6
Videos
- L'art et la science du machine learning
- Accélérer l'entraînement
- Quand opter pour l'entraînement personnalisé ?
- Exigences et dépendances de l'entraînement (partie 1)
- Exigences et dépendances de l'entraînement (partie 2)
- Entraînement de modèles de ML personnalisés à l'aide de Vertex AI
2
Readings
- Ressources : Science du machine learning et entraînement personnalisé
- Ressources : La science du machine learning
Réglage des hyperparamètres à l'aide de Vertex Vizier : présentation du module
1
Videos
- Introduction
Réglage des hyperparamètres
1
Assignment
- Quiz : Réglage des hyperparamètres à l'aide de Vertex Vizier
1
External Tool
- Atelier : Vertex AI : Réglage des hyperparamètres
2
Videos
- Réglage des hyperparamètres avec Vertex AI Vizier
- Présentation de l'atelier : Vertex AI : Réglage des hyperparamètres
1
Readings
- Ressources : Réglage des hyperparamètres à l'aide de Vertex Vizier
Prédiction et surveillance des modèles avec Vertex AI : présentation du module
1
Videos
- Introduction
Prédictions et surveillance des modèles
1
Assignment
- Quiz : Prédiction et surveillance des modèles avec Vertex AI
1
External Tool
- Atelier : Surveiller des modèles Vertex AI
3
Videos
- Prédictions à l'aide de Vertex AI
- Gestion des modèles à l'aide de Vertex AI
- Présentation de l'atelier : Surveiller des modèles Vertex AI
1
Readings
- Ressources : Prédiction et surveillance des modèles avec Vertex AI
Vertex AI Pipelines : présentation du module
1
Videos
- Introduction
Prédiction à l'aide de pipelines Vertex AI
1
Assignment
- Vertex AI Pipelines
2
External Tool
- Atelier : Présentation de Vertex AI Pipelines
- Atelier : Exécuter des pipelines sur Vertex AI
2
Videos
- Prédiction à l'aide de pipelines Vertex AI
- Présentation de l'atelier : Vertex AI Pipelines
2
Readings
- Présentation et tutoriel de l'atelier : Vertex AI Pipelines
- Ressources : Vertex AI Pipelines
Bonne pratiques pour le développement du ML sur Vertex AI : présentation du module
1
Videos
- Introduction
Bonnes pratiques pour le développement du ML sur Vertex AI
4
Videos
- Bonnes pratiques de déploiement et d'inférence d'un modèle de ML
- Bonnes pratiques de surveillance des modèles
- Bonnes pratiques pour Vertex AI Pipelines
- Bonnes pratiques d'organisation des artefacts
1
Readings
- Ressources : Bonnes pratiques pour le développement du ML sur Vertex AI
Résumé du cours
4
Readings
- Résumé
- Ressources : tous les questions des quiz
- Ressources : tous les documents
- Ressources : Toutes les diapositives (English only)
Résumé de la série de cours
1
Videos
- Résumé de la série
1
Readings
- Ressources : Récapitulatif des bonnes pratiques
Auto Summary
Embark on a comprehensive journey into the world of Machine Learning tailored for the enterprise environment with this engaging course offered in French. Designed for professionals in the Data Science and AI domains, this course provides a hands-on approach to the machine learning workflow through a detailed case study. Participants will gain practical insights into managing and governing data, utilizing tools such as Dataflow, Dataprep, and BigQuery for preprocessing tasks. The curriculum explores three distinct model-building options—AutoML, BigQuery ML, and custom training—highlighting their application to specific business use cases. Learners will delve into the intricacies of custom model training, including code structuring, handling large datasets, and exporting trained models. The course includes practical exercises where learners will create a machine learning model and generate a container image with minimal Docker knowledge. Further, the course covers hyperparameter tuning using Vertex Vizier, enhancing model performance through concepts like regularization and sparsity. It concludes with insights into model prediction, monitoring, and the utilization of Vertex AI for managing machine learning models. This professional-level course by Coursera is available through the Starter subscription, offering a blend of theoretical knowledge and practical skills essential for advancing your expertise in enterprise machine learning. Ideal for data science professionals seeking to deepen their understanding and application of machine learning in a business context.

Google Cloud Training