Mettez en pratique vos compétences dans la console Google Cloud
Daniel Gomez
Date d'abonnement : 2021
Ligue de bronze
23640 points
Generative AI Fundamentals - Français
Earned jan. 29, 2024 EST
Introduction à l'IA responsable
Earned jan. 29, 2024 EST
Présentation des grands modèles de langage
Earned jan. 29, 2024 EST
Introduction à l'analyse de données sur Google Cloud
Earned jan. 24, 2024 EST
Machine learning au sein de l'entreprise
Earned jan. 16, 2024 EST
Natural Language Processing on Google Cloud
Earned jan. 3, 2024 EST
Présentation de l'IA générative
Earned jan. 2, 2024 EST
Systèmes de machine learning de production
Earned jan. 2, 2024 EST
Ingénierie des caractéristiques
Earned déc. 30, 2023 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned déc. 28, 2023 EST
Launching into Machine Learning - Français
Earned déc. 28, 2023 EST
Machine Learning Operations (MLOps) : premiers pas
Earned déc. 25, 2023 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned déc. 24, 2023 EST
Suivez les cours Introduction to Generative AI, Introduction to Large Language Models et Introduction to Responsible AI, et obtenez un badge de compétence. Votre réussite au quiz final démontrera que vous comprenez les concepts de base relatifs à l'IA générative.
Un badge de compétence est un badge numérique délivré par Google Cloud. Il atteste de votre expertise sur les produits et services Google Cloud. Partagez votre badge de compétence en rendant votre profil public et en l'ajoutant à votre profil sur les réseaux sociaux.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA responsable, souligne son importance et décrit comment Google l'implémente dans ses produits. Il présente également les sept principes de l'IA de Google.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce que sont les grands modèles de langage (LLM). Il inclut des cas d'utilisation et décrit comment améliorer les performances des LLM grâce au réglage des requêtes. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
En savoir plus
Dans ce cours de niveau débutant, vous découvrirez le workflow d'analyse de données sur Google Cloud, ainsi que les outils que vous pouvez utiliser pour explorer, analyser et visualiser les données, et partager vos observations avec les personnes concernées. Grâce à une étude de cas, des ateliers pratiques, des leçons et des quiz/démos, ce cours vous montrera comment transformer des ensembles de données bruts en données exploitables dans des visualisations et des tableaux de bord percutants. Que vous travailliez déjà avec des données et souhaitiez apprendre à mettre Google Cloud pleinement à profit ou que vous cherchiez à progresser dans votre carrière, ce cours vous sera utile. La plupart des personnes qui effectuent ou utilisent des analyses de données dans leur travail en tireront des enseignements.
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
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
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA générative, décrit à quoi elle sert et souligne ce qui la distingue des méthodes de machine learning traditionnel. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
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 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
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
Ce cours présente les solutions d'IA et de machine learning (ML) de Google Cloud permettant de développer des projets d'IA prédictive et générative. Il décrit les technologies, produits et outils disponibles tout au long du cycle de vie des données à l'IA, en englobant les éléments de base, le développement et les solutions d'IA. Son but est d'aider les data scientists, les développeurs d'IA et les ingénieurs en ML à améliorer leurs compétences et connaissances par le biais d'expériences d'apprentissage captivantes et d'exercices pratiques.
Generative AI Fundamentals - Français
Earned jan. 29, 2024 EST
Introduction à l'IA responsable
Earned jan. 29, 2024 EST
Présentation des grands modèles de langage
Earned jan. 29, 2024 EST
Introduction à l'analyse de données sur Google Cloud
Earned jan. 24, 2024 EST
Machine learning au sein de l'entreprise
Earned jan. 16, 2024 EST
Natural Language Processing on Google Cloud
Earned jan. 3, 2024 EST
Présentation de l'IA générative
Earned jan. 2, 2024 EST
Systèmes de machine learning de production
Earned jan. 2, 2024 EST
Ingénierie des caractéristiques
Earned déc. 30, 2023 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned déc. 28, 2023 EST
Launching into Machine Learning - Français
Earned déc. 28, 2023 EST
Machine Learning Operations (MLOps) : premiers pas
Earned déc. 25, 2023 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned déc. 24, 2023 EST