Modernize Infrastructure and Applications with Google Cloud - Français
Earned mars 26, 2022 EDT
Scaling with Google Cloud Operations - Français
Earned mars 26, 2022 EDT
Exploring Data Transformation with Google Cloud - Français
Earned mars 25, 2022 EDT
Applying Machine Learning to Your Data with Google Cloud - Français
Earned mars 17, 2022 EDT
Creating New BigQuery Datasets and Visualizing Insights - Français
Earned mars 17, 2022 EDT
Achieving Advanced Insights with BigQuery - Français
Earned mars 17, 2022 EDT
Machine learning au sein de l'entreprise
Earned mars 14, 2022 EDT
Production Machine Learning Systems - Français
Earned mars 12, 2022 EST
Launching into Machine Learning - Français
Earned mars 11, 2022 EST
Feature Engineering - Français
Earned mars 8, 2022 EST
Computer Vision Fundamentals with Google Cloud
Earned mars 6, 2022 EST
Build, Train and Deploy ML Models with Keras on Google Cloud - Français
Earned mars 5, 2022 EST
Recommendation Systems on Google Cloud
Earned mars 4, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned mars 3, 2022 EST
Natural Language Processing on Google Cloud
Earned fév. 26, 2022 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned fév. 22, 2022 EST
How Google Does Machine Learning - Français
Earned fév. 19, 2022 EST
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 "Modernize Infrastructure and Applications with 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
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 with 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
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. "Exploring Data Transformation with 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
Dans ce cours, nous définirons ce qu'est le machine learning et ce qu'il peut apporter à votre entreprise. Vous verrez quelques démonstrations de l'utilisation du ML et découvrirez ses termes clés, comme instances, caractéristiques et étiquettes. Lors des ateliers interactifs, vous vous entraînerez à appeler les API de ML préentrainées disponibles et à construire vos propres modèles de machine learning en utilisant simplement SQL avec BigQuery ML.
En savoir plus
Ceci est le deuxième cours de la série "Data to Insights". Ici, nous verrons comment ingérer de nouveaux ensembles de données externes dans BigQuery et les visualiser avec Looker Studio. Nous aborderons également des concepts SQL intermédiaires, tels que les jointures et les unions de plusieurs tables, qui vous permettront d'analyser les données de différentes sources. Remarque : Même si vous avez des connaissances en SQL, certaines spécificités de BigQuery (comme la gestion du cache de requêtes et des caractères génériques de table) peuvent ne pas vous être familières.Une fois que vous aurez terminé ce cours, inscrivez-vous au cours "Achieving Advanced Insights with BigQuery".
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 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
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
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 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
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
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
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
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
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
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
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, …
Modernize Infrastructure and Applications with Google Cloud - Français
Earned mars 26, 2022 EDT
Scaling with Google Cloud Operations - Français
Earned mars 26, 2022 EDT
Exploring Data Transformation with Google Cloud - Français
Earned mars 25, 2022 EDT
Applying Machine Learning to Your Data with Google Cloud - Français
Earned mars 17, 2022 EDT
Creating New BigQuery Datasets and Visualizing Insights - Français
Earned mars 17, 2022 EDT
Achieving Advanced Insights with BigQuery - Français
Earned mars 17, 2022 EDT
Machine learning au sein de l'entreprise
Earned mars 14, 2022 EDT
Production Machine Learning Systems - Français
Earned mars 12, 2022 EST
Launching into Machine Learning - Français
Earned mars 11, 2022 EST
Feature Engineering - Français
Earned mars 8, 2022 EST
Computer Vision Fundamentals with Google Cloud
Earned mars 6, 2022 EST
Build, Train and Deploy ML Models with Keras on Google Cloud - Français
Earned mars 5, 2022 EST
Recommendation Systems on Google Cloud
Earned mars 4, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned mars 3, 2022 EST
Natural Language Processing on Google Cloud
Earned fév. 26, 2022 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned fév. 22, 2022 EST
How Google Does Machine Learning - Français
Earned fév. 19, 2022 EST