Date d'abonnement : 2022
Conception et principes de base des API avec la plate-forme d'API Apigee
Earned juin 23, 2023 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned mai 27, 2023 EDT
[DEPRECATED] Ingénierie des caractéristiques
Earned août 31, 2022 EDT
Launching into Machine Learning - Français
Earned août 8, 2022 EDT
Dans ce cours, vous allez apprendre à concevoir des API et à les documenter à l'aide de spécifications OpenAPI. Vous découvrirez le cycle de vie des API et comment la plate-forme d'API Apigee vous aide à gérer tous les aspects de ce cycle de vie. Vous apprendrez à concevoir des API à l'aide de proxys d'API et à les regrouper dans des produits d'API pour qu'elles puissent être utilisées par les développeurs d'applications. Grâce à un ensemble de leçons, d'ateliers pratiques et de ressources complémentaires, vous apprendrez à concevoir, créer, sécuriser, déployer et gérer des solutions d'API à l'aide de la plate-forme d'API Apigee de Google Cloud. Il s'agit du premier cours de la série "Développer des API avec la plate-forme d'API Apigee". Après l'avoir terminé, inscrivez-vous au cours "Sécurité des API avec la plate-forme d'API Apigee".
"Concepts fondamentaux de Google Cloud : infrastructure de base" présente les concepts et les termes à connaître pour utiliser Google Cloud. À travers des vidéos et des ateliers pratiques, il décrit et compare la plupart des services Google Cloud de calcul et de stockage, ainsi que des outils importants de gestion des ressources et des règles.
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.
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.