Mettez en pratique vos compétences dans la console Google Cloud
Deepeshkumar Malviya
Date d'abonnement : 2021
Ligue d'Argent
2010 points
IA générative : au-delà du chatbot
Earned mai 29, 2025 EDT
Machine learning au sein de l'entreprise
Earned juil. 17, 2022 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mai 3, 2022 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned avr. 23, 2022 EDT
Systèmes de machine learning de production
Earned avr. 3, 2022 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned avr. 3, 2022 EDT
Achieving Advanced Insights with BigQuery - Français
Earned fév. 5, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned jan. 30, 2022 EST
Le cours "IA générative : au-delà du chatbot" est le premier du parcours de formation "Leader en IA générative" et n'a aucun prérequis. Ce cours vise à approfondir votre compréhension de base des chatbots afin de révéler le véritable potentiel de l'IA générative pour votre entreprise. Vous découvrirez des concepts tels que les modèles de fondation et le prompt engineering (ingénierie des requêtes), qui sont essentiels pour exploiter toute la puissance de l'IA générative. Ce cours vous aidera également à identifier les facteurs à prendre en compte pour développer une stratégie d'IA générative efficace pour votre entreprise.
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 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
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
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
Terminez le cours intermédiaire Ingénierie des données pour la modélisation prédictive avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création de pipelines de transformation des données dans BigQuery avec Dataprep by Trifacta ; l'utilisation de Cloud Storage, Dataflow et BigQuery pour créer des workflows ETL (Extract, Transform and Load) ; et la création de modèles de machine learning avec BigQuery ML. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez le cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge numérique que vous pourrez partager avec votre réseau.
En savoir plus
Le troisième cours de cette série s'intitule "Achieving Advanced Insights with BigQuery". Notre objectif est ici d'approfondir vos connaissances en SQL en abordant en détail les fonctions avancées et en vous apprenant à décomposer les requêtes complexes en étapes faciles à gérer. Nous allons étudier l'architecture interne de BigQuery (stockage segmenté basé sur des colonnes), ainsi que des concepts SQL avancés tels que les champs imbriqués et répétés, en utilisant pour cela des objets ARRAY et STRUCT. Pour finir, nous verrons comment optimiser les performances de vos requêtes et sécuriser vos données à l'aide des vues autorisées.Une fois que vous aurez terminé ce cours, inscrivez-vous au cours "Applying Machine Learning to Your Data with Google Cloud".
En savoir plus
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
IA générative : au-delà du chatbot
Earned mai 29, 2025 EDT
Machine learning au sein de l'entreprise
Earned juil. 17, 2022 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mai 3, 2022 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned avr. 23, 2022 EDT
Systèmes de machine learning de production
Earned avr. 3, 2022 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned avr. 3, 2022 EDT
Achieving Advanced Insights with BigQuery - Français
Earned fév. 5, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned jan. 30, 2022 EST