Description
“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, ainsi que de générer des prédictions en ligne et par lot. Dans ce cours, nous aborderons les cinq phases permettant de convertir un cas d’utilisation pour le traiter à l’aide du machine learning, avant de déterminer pourquoi chacune d’elles est importante. Nous étudierons également les biais que le machine learning peut amplifier, puis nous apprendrons à les repérer.”
What you will learn
Présentation de la série de cours
Ce module vous présente la série de cours et les experts Google qui l’enseigneront.
Qu’est-ce qu’une entreprise axée sur l’IA ?
Dans ce module, vous allez apprendre à élaborer une stratégie de données basée sur le machine learning.
Google et le machine learning
Ce module présente les connaissances organisationnelles que Google a acquises au fil des années.
Développement du machine learning avec Vertex AI
Le machine learning commence toujours par un objectif, qu’il s’agisse d’un cas d’utilisation professionnel ou pédagogique, ou d’un problème que vous souhaitez résoudre. Ce module explique la phase de démonstration de faisabilité, également appelée phase de tests, qui consiste à déterminer si un modèle est prêt à passer en production.
