Mettez en pratique vos compétences dans la console Google Cloud
Kabuqueci Souza Alves
Date d'abonnement : 2023
Ligue d'Or
23325 points
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned mai 30, 2024 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned mai 30, 2024 EDT
Recommendation Systems on Google Cloud
Earned mai 28, 2024 EDT
Natural Language Processing on Google Cloud
Earned mai 23, 2024 EDT
Systèmes de machine learning de production
Earned mai 14, 2024 EDT
Machine learning au sein de l'entreprise
Earned mai 10, 2024 EDT
Ingénierie des caractéristiques
Earned mars 25, 2024 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 18, 2024 EDT
Launching into Machine Learning - Français
Earned mars 8, 2024 EST
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned juin 24, 2023 EDT
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production.
Les participants s'entraîneront à utiliser l'ingestion en flux continu de Vertex AI Feature Store au niveau du SDK.
En savoir plus
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production. Les ingénieurs en machine learning utilisent des outils pour améliorer et évaluer en permanence les modèles déployés. Ils collaborent avec des data scientists (ou peuvent occuper ce poste) qui développent des modèles permettant de déployer de manière rapide et rigoureuse les solutions de machine learning les plus performantes.
En savoir plus
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
En savoir plus
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
En savoir plus
Dans ce cours, nous abordons en détail les composants et les bonnes pratiques de construction de systèmes de ML hautes performances dans des environnements de production. Nous verrons aussi certaines des considérations les plus courantes concernant la construction de ces systèmes, telles que l'entraînement statique, l'entraînement dynamique, l'inférence statique, l'inférence dynamique, les tâches TensorFlow distribuées et les TPU. Ce cours a pour objectif d'explorer les caractéristiques d'un bon système de ML, au-delà de sa capacité à effectuer des prédictions correctes.
En savoir plus
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 les prétraiter.
On présente à cette équipe trois options de création de modèles de ML pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe tire parti des avantages d'AutoML, de BigQuery ML ou de l'entraînement personnalisé pour atteindre ses objectifs.
En savoir plus
Ce cours présente les avantages liés à l'utilisation de Vertex AI Feature Store, ainsi que la manière d'améliorer la précision des modèles de ML et de déterminer les colonnes de données présentant les caractéristiques les plus utiles. Ce cours inclut également du contenu et des ateliers portant sur l'ingénierie des caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow.
En savoir plus
Ce cours porte sur la création de modèles de ML à l'aide de TensorFlow et Keras, l'amélioration de la précision des modèles de ML et l'écriture de modèles de ML pour une utilisation évolutive.
En savoir plus
Le cours commence par une discussion sur les données : vous découvrirez comment améliorer leur qualité et 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.
En savoir plus
Concepts fondamentaux de Google Cloud : Core Infrastructure présente les concepts et les termes à connaître pour utiliser Google Cloud. À travers des vidéos et des ateliers pratiques, il décrit et compare la plupart des services Google Cloud de calcul et de stockage, ainsi que des outils importants de gestion des ressources et des règles.
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned mai 30, 2024 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned mai 30, 2024 EDT
Recommendation Systems on Google Cloud
Earned mai 28, 2024 EDT
Natural Language Processing on Google Cloud
Earned mai 23, 2024 EDT
Systèmes de machine learning de production
Earned mai 14, 2024 EDT
Machine learning au sein de l'entreprise
Earned mai 10, 2024 EDT
Ingénierie des caractéristiques
Earned mars 25, 2024 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 18, 2024 EDT
Launching into Machine Learning - Français
Earned mars 8, 2024 EST
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned juin 24, 2023 EDT