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.
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.
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.
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.
Obtenez le badge de compétence de niveau intermédiaire en suivant le cours Classer des images avec TensorFlow sur Google Cloud. Vous y apprendrez à utiliser TensorFlow et Vertex AI pour créer et entraîner des modèles de machine learning. Vous interagissez principalement avec les notebooks Vertex AI Workbench gérés par l'utilisateur.
Ce cours présente les fonctionnalités d'IA et de machine learning (ML) de Google Cloud, en mettant l'accent sur le développement de projets d'IA prédictive et générative. Il explore les différents outils, produits et technologies disponibles tout au long du cycle de vie des données à l'IA, et permet aux data scientists, aux développeurs d'IA et aux ingénieurs en ML d'améliorer leur expertise grâce à des exercices interactifs.
Dans ce bref cours consacré à l'intégration d'applications avec Gemini sur Google Cloud, vous découvrirez l'API Gemini et ses modèles d'IA générative. Vous apprendrez également à accéder aux modèles Gemini à partir du code. Enfin, vous testerez les capacités des modèles avec des requêtes contenant du texte, des images et des vidéos à partir d'une application.
Le cours "Explorateur de l'IA générative – Agent Platform" est un ensemble d'ateliers consacrés à l'utilisation de l'IA générative sur Google Cloud. En suivant ces ateliers, vous apprendrez à utiliser les modèles Gemini dans Agent Platform. Vous découvrirez également comment prompter, les bonnes pratiques appliquer, et comment utiliser les prompts pour l'idéation, la classification, l'extraction et la synthèse de texte, et plus encore. Enfin, vous apprendrez à régler un modèle de fondation à l'aide d'un entraînement personnalisé dans Agent Platform et à le déployer sur un point de terminaison dans Agent Platform.
Dans ce cours, vous découvrirez comment Gemini, un outil de collaboration Google Cloud optimisé par l'IA générative, aide à analyser les données client et à prédire les ventes de produits. Vous apprendrez également à identifier, classer et développer de nouveaux clients à l'aide des données client dans BigQuery. À l'aide d'ateliers pratiques, vous verrez en quoi Gemini améliore les workflows d'analyse de données et de machine learning. Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
Terminez le cours d'introduction Surveiller et gérer les ressources Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : accorder et révoquer des autorisations IAM ; installer des agents Monitoring et Logging ; créer, déployer et tester une fonction Cloud Run basée sur des événements.
Validez le cours intermédiaire Effectuer une analyse prédictive des données dans BigQuery pour recevoir un badge attestant de vos compétences dans les domaines suivants : créer des ensembles de données dans BigQuery en important des fichiers CSV et JSON ; utiliser des concepts d'analyse SQL sophistiqués dans BigQuery, y compris utiliser BigQuery ML pour entraîner un modèle de prédiction de buts à partir de données de rencontres de football et évaluer le caractère exceptionnel des buts marqués lors de la Coupe du monde.
Terminez le cours intermédiaire Gérer Kubernetes dans Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la gestion des déploiements avec kubectl, la surveillance et le débogage d'applications sur Google Kubernetes Engine (GKE) et les techniques de livraison continue.
Terminez le cours d'introduction Créer et gérer des instances AlloyDB pour recevoir un badge démontrant vos compétences dans les domaines suivants : effectuer les principales tâches et opérations AlloyDB, migrer de PostgreSQL vers AlloyDB, administrer une base de données AlloyDB et accélérer les requêtes analytiques à l'aide du moteur de données en colonnes AlloyDB.
Obtenez un badge de compétence en validant le cours Analyser la parole et le langage avec les API Google, dans lequel vous apprendrez à utiliser les API Natural Language et Speech en conditions réelles.
Obtenez un badge de compétence en suivant le cours Analyser des images avec l'API Cloud Vision. Vous y découvrirez comment exploiter l'API Cloud Vision pour diverses tâches, y compris l'extraction de texte à partir d'images.
Obtenez un badge de compétence en effectuant la quête Analyser les sentiments avec l'API Natural Language, qui vous explique comment l'API extrait le sentiment à partir d'un texte.
Terminez le cours d'introduction Créer des objets LookML dans Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : créer des dimensions, des mesures, des vues et des tables dérivées ; définir des types de filtres et de mesures en fonction des exigences ; mettre à jour les dimensions et les mesures ; créer et affiner des explorations ; joindre des vues à des explorations existantes et choisir les objets LookML à créer en fonction des exigences métier.
Obtenez le badge de niveau Débutant Créer et gérer des instances Cloud SQL pour PostgreSQL pour démontrer vos compétences en matière de migration, de configuration et de gestion des instances et bases de données Cloud SQL pour PostgreSQL.
Terminez le cours intermédiaire Créer des modèles de ML avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'évaluation de modèles de machine learning avec BigQuery ML pour générer des prédictions de données.
Obtenez le badge de compétence de niveau intermédiaire en suivant le cours Classer des images avec TensorFlow sur Google Cloud. Vous y apprendrez à utiliser TensorFlow et Vertex AI pour créer et entraîner des modèles de machine learning. Vous interagissez principalement avec les notebooks Vertex AI Workbench gérés par l'utilisateur.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
Obtenez un badge de compétence débutant en suivant le cours Créer un site Web sur Google Cloud. Ce cours s'appuie sur la série Get Cooking in Cloud et aborde les thèmes suivants :Déployer un site Web sur Cloud RunHéberger une application Web sur Compute EngineCréer, déployer et faire évoluer votre site Web sur Google Kubernetes EngineMigrer d'une application monolithique vers une architecture de microservices à l'aide de Cloud Build
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.
Terminez le cours intermédiaire Créer des modèles de ML avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'évaluation de modèles de machine learning avec BigQuery ML pour générer des prédictions de données.
Terminez le cours d'introduction Préparer les données à utiliser pour les tableaux de bord et rapports Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : le filtrage, le tri et le croisement de données ; la fusion des résultats de différentes explorations Looker ; et l'utilisation de fonctions et d'opérateurs pour créer des tableaux de bord et des rapports Looker en vue de l'analyse et de la visualisation des données.
Terminez le cours d'introduction Préparer des données pour les API de ML sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : le nettoyage des données avec Dataprep by Trifacta, l'exécution de pipelines de données dans Dataflow, la création de clusters et l'exécution de jobs Apache Spark dans Managed Service for Apache Spark, et l'appel d'API de ML comme l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text et l'API Video Intelligence.