Rejoindre Se connecter

Mettez en pratique vos compétences dans la console Google Cloud

Ayyanar Jeyakrishnan

Date d'abonnement : 2023

Se préparer à devenir Professional Data Engineer Earned jan. 3, 2025 EST
Scaling avec la suite Google Cloud Operations Earned jan. 29, 2024 EST
Confiance et sécurité avec Google Cloud Earned jan. 29, 2024 EST
Moderniser l'infrastructure et les applications avec Google Cloud Earned jan. 29, 2024 EST
Innover avec l'intelligence artificielle de Google Cloud Earned jan. 29, 2024 EST
Explorer la transformation des données avec Google Cloud Earned jan. 28, 2024 EST
Machine Learning Operations (MLOps) : premiers pas Earned jan. 11, 2024 EST
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques Earned jan. 11, 2024 EST
Natural Language Processing on Google Cloud Earned jan. 11, 2024 EST
Computer Vision Fundamentals with Google Cloud Earned jan. 9, 2024 EST
Systèmes de machine learning de production Earned déc. 1, 2023 EST
Machine learning au sein de l'entreprise Earned nov. 21, 2023 EST
Ingénierie des caractéristiques Earned nov. 8, 2023 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud Earned oct. 24, 2023 EDT
Launching into Machine Learning - Français Earned oct. 11, 2023 EDT
How Google Does Machine Learning - Français Earned oct. 3, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français Earned oct. 2, 2023 EDT

Ce cours a pour objectif d'aider les participants à créer un plan de formation pour l'examen de certification Professional Data Engineer. Les participants découvriront l'étendue et le champ d'application des domaines abordés lors de l'examen, puis évalueront leur niveau de préparation à l'examen et créeront leur propre plan de formation.

En savoir plus

Les organisations de toutes tailles exploitent le potentiel et la flexibilité du cloud afin de transformer leurs opérations. Toutefois, la gestion et le scaling des ressources cloud peuvent s'avérer complexes. "Scaling avec la suite Google Cloud Operations" présente les concepts fondamentaux des opérations modernes, de la fiabilité et de la résilience dans le cloud, ainsi que la manière dont Google Cloud peut vous aider à atteindre ces objectifs. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.

En savoir plus

Les organisations qui migrent des données et des applications vers le cloud font face à de nouveaux défis en termes de sécurité. Le cours "Confiance et sécurité avec Google Cloud" présente les principes de base de la sécurité dans le cloud, les avantages de l'approche multicouche de Google Cloud concernant la sécurité de l'infrastructure, et la manière dont Google gagne et conserve la confiance des clients vis-à-vis du cloud. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.

En savoir plus

De nombreuses entreprises traditionnelles utilisent d'anciens systèmes et d'anciennes applications qui ne peuvent plus satisfaire les attentes des clients d'aujourd'hui. Les chefs d'entreprise doivent régulièrement choisir entre deux options : entretenir leurs systèmes informatiques vieillissants ou investir dans de nouveaux produits et services. Le cours "Moderniser l'infrastructure et les applications avec Google Cloud" aborde ces problématiques et propose des solutions pour les résoudre à l'aide de la technologie cloud. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.

En savoir plus

L'intelligence artificielle (IA) et le machine learning (ML) représentent une évolution importante de l'informatique et transforment rapidement un grand nombre de secteurs. Le cours "Innover avec l'intelligence artificielle de Google Cloud" explore comment les organisations peuvent utiliser l'IA et le ML pour repenser leurs processus métier. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.

En savoir plus

La technologie cloud est une grande source de valeur pour les entreprises. En combinant le potentiel de cette technologie avec celui des données, il est possible de créer encore plus de valeur et d'offrir de nouvelles expériences client. "Explorer la transformation des données avec Google Cloud" vous fait découvrir la valeur que les données peuvent apporter à une entreprise et les façons dont Google Cloud peut les rendre utiles et accessibles. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il a pour but d'aider les participants à évoluer dans leur poste et à façonner l'avenir de leur entreprise.

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 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

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

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

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

Quelles sont les bonnes pratiques pour implémenter le machine learning sur Google Cloud ? En quoi consiste la plate-forme Vertex AI et comment pouvez-vous l'utiliser pour créer, entraîner et déployer rapidement des modèles de machine learning AutoML sans écrire une seule ligne de code ? Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Google aborde le machine learning d'une façon particulière, qui consiste à fournir une plate-forme unifiée pour les ensembles de données gérés, ainsi qu'un magasin de caractéristiques et un moyen de créer, d'entraîner et de déployer des modèles de machine learning sans écrire une seule ligne de code. Il s'agit également de permettre aux utilisateurs d'étiqueter les données et de créer des notebooks Workbench à l'aide de frameworks tels que TensorFlow, Scikit Learn, Pytorch et R. Avec notre plate-forme Vertex AI, il est également possible d'entraîner des modèles personnalisés, de créer des pipelines de composants, …

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.

En savoir plus