A l’issue de la formation, l’apprenant sera capable de :
Présenter un cas d’utilisation commercial comme un problème d’apprentissage automatique.
Décrire comment améliorer la qualité des données.
Effectuer une analyse exploratoire des données.
Construire et former des modèles d’apprentissage supervisé.
Optimiser et évaluer les modèles à l’aide des fonctions de perte et des mesures de performance.
Créer des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.
Implémenter des modèles d’apprentissage automatique à l’aide de Keras et de TensorFlow 2.x.
Comprendre l’impact des paramètres de descente de gradient sur la précision, la vitesse d’entraînement, la rareté et la généralisation.
Représenter et transformer des entités.
Entraînez des modèles à grande échelle avec AI Platform.
Formation Google Cloud Platform GCP200ML – Machine Learning on Google Cloud
Objectifs
Prérequis
Une certaine familiarité avec les concepts de base de l’apprentissage automatique.
Maîtrise de base d’un langage de script – Python de préférence.
Cette formation ne peut être financée que dans le cadre d’un projet d’entreprise (prise en charge entreprise ou OPCO). Les dossiers à financement personnel et CPF ne sont pas pris en compte.
Public
Machine learning engineers
Scientifiques du machine learning, data scientists et data analysts qui souhaitent être exposés à l’apprentissage automatique dans le cloud à l’aide de TensorFlow 2.x et Keras.
Data Engineers
Dernière mise à jour
Bon à savoir
Evaluez votre niveau
Formations modulables
Travaux pratiques
Les Modules
de formation
Développez une stratégie de données autour du machine learning.
Examinez les cas d’utilisation qui sont ensuite réinventés à travers une approche ML.
Reconnaissez les biais que le ML peut amplifier.
Tirez parti des outils et de l’environnement de Google Cloud Platform pour faire du ML.
Apprenez de l’expérience de Google pour éviter les pièges courants.
Effectuez des tâches de science des données dans des blocs-notes collaboratifs en ligne.
Appelez des modèles de ML pré-entraînés à partir de Cloud AI Platform.
Décrivez comment améliorer la qualité des données.
Effectuer une analyse exploratoire des données.
Construire et former des modèles d’apprentissage supervisé.
Optimisez et évaluez les modèles à l’aide des fonctions de perte et des mesures de performance.
Atténuez les problèmes courants qui surviennent dans l’apprentissage automatique.
Créez des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.
Créez des modèles d’apprentissage automatique TensorFlow 2.x et Keras.
Décrivez les composants clés de Tensorflow 2.x.
Utilisez la bibliothèque tf.data pour manipuler des données et de grands ensembles de données.
Utilisez les API séquentielles et fonctionnelles Keras pour créer des modèles simples et avancés.
Former, déployer et produire des modèles de ML à grande échelle avec Cloud AI Platform.
Comparez les principaux aspects requis d’une bonne feature.
Combinez et créez de nouvelles combinaisons de features grâce à des croisements de features.
Effectuez l’ingénierie des features à l’aide de BQML, Keras et TensorFlow 2.x.
Découvrez comment prétraiter et explorer les features avec Cloud Dataflow et Cloud Dataprep.
Comprenez et appliquez comment TensorFlow transforme les features.
Optimisez les performances du modèle avec le réglage des hyperparamètres.
Expérimentez avec les réseaux de neurones et affinez les performances.
Améliorez les fonctionnalités du modèle ML avec des couches incorporées.
