Apprentissage automatique sur Google Cloud

Aperçu

What is machine learning, and what kinds of problems can it solve? How can you build, train, and deploy machine learning models at scale without writing a single line of code?

When should you use automated machine learning or custom training? This course teaches you how to build Vertex AI AutoML models without writing a single line of code; build BigQuery ML models knowing basic SQL; create Vertex AI custom training jobs you deploy using containers (with little knowledge of Docker); use Feature Store for data management and governance; use feature engineering for model improvement; determine the appropriate data preprocessing options for your use case; use Vertex Vizier hyperparameter tuning to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems, write distributed ML models that scale in TensorFlow; and leverage best practices to implement machine learning on Google Cloud. > By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at:

https:

//qwiklabs.com/terms_of_service

Programme

• Introduction à l'apprentissage automatique
Vue d'ensemble des concepts de l'apprentissage automatique
Types de problèmes que l'apprentissage automatique peut résoudre
Introduction aux services d'apprentissage automatique de Google Cloud
• Construire des modèles avec Vertex AI AutoML
Vue d'ensemble de Vertex AI AutoML
Étapes pour construire des modèles sans codage
Cas d'utilisation et applications
• BigQuery ML et SQL
Introduction à BigQuery ML
Écrire du SQL pour l'apprentissage automatique
Construire et déployer des modèles en utilisant SQL
• Entraînement personnalisé avec Vertex AI
Introduction à l'entraînement personnalisé avec Vertex AI
Créer et déployer des travaux d'entraînement en utilisant des conteneurs
Bases de Docker pour l'apprentissage automatique
• Feature Store pour la gestion des données
Introduction à Google Cloud Feature Store
Pratiques de gestion et de gouvernance des données
Techniques d'ingénierie des caractéristiques pour l'amélioration des modèles
• Options de prétraitement des données
Évaluer et choisir les stratégies de prétraitement appropriées
Scénarios de prétraitement en situation réelle et solutions
• Réglage des hyperparamètres avec Vertex Vizier
Vue d'ensemble de Vertex Vizier
Importance du réglage des hyperparamètres
Méthodes pour améliorer la précision et la généralisation des modèles
• Apprentissage machine distribué avec TensorFlow
Introduction à l'entraînement distribué avec TensorFlow
Écrire des modèles ML TensorFlow évolutifs
Meilleures pratiques pour l'apprentissage automatique distribué
• Meilleures pratiques pour la mise en œuvre de l'IA sur Google Cloud
Vue d'ensemble des meilleures pratiques
Considérations sur la sécurité, la scalabilité et l'efficacité
Ressources pour un apprentissage continu et un soutien
• Conclusion du cours
Récapitulatif des concepts clés et des outils
Projet final ou application d'étude de cas
Chemins d'apprentissage futurs en apprentissage automatique et Google Cloud
• Inscription à Qwiklabs (Conditions de service)
Accord aux conditions
Accès aux laboratoires et exercices pratiques

---

Enseigné par

Google Cloud Training

---

Matières

Programming