This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
En savoir plus
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.
En savoir plus
Obtenez un badge de compétence en terminant le cours intermédiaire Créer et déployer des solutions de machine learning sur Vertex. Vous y apprendrez à utiliser la plate-forme Vertex AI de Google Cloud, AutoML et les services d'entraînement personnalisés pour entraîner, évaluer, régler, expliquer et déployer des modèles de machine learning. Ce cours, qui ouvre droit à un badge de compétence, est destiné aux data scientists et aux ingénieurs en machine learning. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
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
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
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
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
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
Obtenez un badge de compétence en suivant le cours Créer un réseau Google Cloud sécurisé, dans lequel vous découvrirez plusieurs ressources liées à la mise en réseau permettant de créer, de faire évoluer et de sécuriser vos applications sur Google Cloud.
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
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 Dataproc, 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.
En savoir plus
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 différentes technologies, produits et outils 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.
En savoir plus
Suivez le cours Configurer un environnement de développement d'applications sur Google Cloud et obtenez un badge de compétence. Dans ce cours, vous apprendrez à créer et connecter une infrastructure cloud axée sur le stockage à l'aide des fonctionnalités de base des technologies suivantes Cloud Storage, Identity and Access Management, Cloud Functions et Pub/Sub.
En savoir plus
Terminez le cours d'introduction Implémenter Cloud Load Balancing pour Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : Créer et déployer des machines virtuelles dans Compute Engine Configurer des équilibreurs de charge réseau et d'application.
En savoir plus
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et explique où et comment Google Cloud s'y intègre.
À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques.
Les cours doivent être suivis dans cet ordre :
1. Google Cloud Computing Foundations : principes de base du cloud computing
2. Google Cloud Computing Foundations : infrastructure dans Google Cloud
3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
Ce dernier cours de la série présente les services de big data gérés, ainsi que le machine learning et sa valeur. Il explique également comment aller plus loin pour démontrer vos compétences dans Google Cloud en o…
En savoir plus
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et explique où et comment Google Cloud s'y intègre.
À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques.
Les cours doivent être suivis dans cet ordre :
1. Google Cloud Computing Foundations : principes de base du cloud computing
2. Google Cloud Computing Foundations : infrastructure dans Google Cloud
3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
Ce troisième cours aborde les outils d'automatisation et de gestion du cloud, ainsi que la création de réseaux sécurisés.
En savoir plus
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et expliquent où et comment Google Cloud s'y intègre.
À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques.
Les cours doivent être suivis dans cet ordre :
1. Google Cloud Computing Foundations : principes de base du cloud computing
2. Google Cloud Computing Foundations : infrastructure dans Google Cloud
3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
En savoir plus
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et expliquent où et comment Google Cloud s'y intègre.
À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques.
Les cours doivent être suivis dans cet ordre :
1. Google Cloud Computing Foundations : principes de base du cloud computing
2. Google Cloud Computing Foundations : infrastructure dans Google Cloud
3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
Ce premier cours offre une vue d’ensemble du cloud computing, des façons d’utiliser Google Cloud et des différentes options de calcul.
Developing Data Models with LookML
Earned jan. 3, 2025 EST
Gemini pour les data scientists et les analystes
Earned oct. 17, 2024 EDT
Créer et déployer des solutions de machine learning sur Vertex
Earned avr. 12, 2024 EDT
Recommendation Systems on Google Cloud
Earned avr. 2, 2024 EDT
Natural Language Processing on Google Cloud
Earned avr. 1, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned mars 26, 2024 EDT
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned jan. 25, 2024 EST
Machine Learning Operations (MLOps) : premiers pas
Earned jan. 25, 2024 EST
Systèmes de machine learning de production
Earned jan. 24, 2024 EST
Machine learning au sein de l'entreprise
Earned jan. 20, 2024 EST
Ingénierie des caractéristiques
Earned jan. 12, 2024 EST
Créer un réseau Google Cloud sécurisé
Earned jan. 12, 2024 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned jan. 3, 2024 EST
Launching into Machine Learning - Français
Earned déc. 13, 2023 EST
Préparer des données pour les API de ML sur Google Cloud
Earned déc. 13, 2023 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned déc. 2, 2023 EST
Configurer un environnement de développement d'applications sur Google Cloud
Earned nov. 29, 2023 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned nov. 27, 2023 EST
Google Cloud Computing Foundations : données, ML et IA dans Google Cloud
Earned nov. 26, 2023 EST
Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud
Earned nov. 22, 2023 EST
Google Cloud Computing Foundations : infrastructure dans Google Cloud
Earned nov. 20, 2023 EST
Google Cloud Computing Foundations : principes de base du cloud computing
Earned nov. 17, 2023 EST