We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Paweł Czekała
Date d'abonnement : 2022
Ligue de bronze
1600 points
DEPRECATED Explore Machine Learning Models with Explainable AI
Earned mars 7, 2022 EST
Computer Vision Fundamentals with Google Cloud
Earned mars 3, 2022 EST
Systèmes de machine learning de production
Earned mars 1, 2022 EST
Machine learning au sein de l'entreprise
Earned fév. 28, 2022 EST
[DEPRECATED] Ingénierie des caractéristiques
Earned fév. 27, 2022 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned fév. 24, 2022 EST
Launching into Machine Learning - Français
Earned fév. 22, 2022 EST
How Google Does Machine Learning - Français
Earned fév. 21, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned fév. 18, 2022 EST
Implémenter des workflows DevOps dans Google Cloud
Earned fév. 16, 2022 EST
Measure Site Reliability using Cloud Operations Suite
Earned fév. 16, 2022 EST
Surveiller et journaliser avec Google Cloud Observability
Earned fév. 15, 2022 EST
Configurer un environnement de développement d'applications sur Google Cloud
Earned fév. 14, 2022 EST
Journalisation et surveillance dans Google Cloud
Earned fév. 14, 2022 EST
Infrastructure Google Cloud fiable : conception et processus
Earned fév. 12, 2022 EST
Développer une culture de l'ingénierie SRE façon Google
Earned fév. 10, 2022 EST
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned fév. 10, 2022 EST
Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.
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
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
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
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, …
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
Terminez le cours intermédiaire Implémenter des workflows DevOps dans Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et la gestion de dépôts git, le lancement, la gestion et le scaling de déploiements sur Google Kubernetes Engine (GKE), et le développement de l'architecture de pipelines CI/CD qui automatisent la compilation d'images de conteneurs et leur déploiement vers GKE.
En savoir plus
Earn a skill badge by completing the Measure Site Reliability using Cloud Operations Suite quest, where you will learn how to set Service Level Indicators (SLIs), Service Level Objectives (SLOs), and Service Level Agreements (SLAs); create logs-based metrics to capture to capture specific issues and address them; define alerts to notify Site Reliability Engineers of issues in production environment, and troubleshoot application issues with Cloud Trace, Debugger, Profiler, Monitoring and Logging. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
En savoir plus
Terminez le cours d'introduction Surveiller et journaliser avec Google Cloud Observability pour recevoir un badge démontrant vos compétences dans les domaines suivants : la surveillance des machines virtuelles dans Compute Engine, l'utilisation de Cloud Monitoring pour la supervision multiprojet, l'extension des fonctionnalités de surveillance et de journalisation à Cloud Functions, la création et l'envoi de métriques d'application personnalisées, et la configuration d'alertes Cloud Monitoring en fonction de ces métriques personnalisées.
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
Ce cours en deux parties s'intitule "Journalisation, surveillance et observabilité dans Google Cloud". Les principaux outils pour les opérations de Google Cloud relèvent de deux catégories : les composants orientés opérations et la gestion des performances des applications. Le cours "Journalisation et surveillance dans Google Cloud" aborde les composants orientés opérations, y compris Logging, Monitoring et Service Monitoring. Une fois ce cours terminé, nous vous conseillons de suivre la deuxième partie, Observabilité dans Google Cloud, pour en savoir plus sur les outils de gestion des performances des applications disponibles.
En savoir plus
Ce cours permet aux participants d'apprendre à créer des solutions hautement fiables et efficaces sur Google Cloud en s'appuyant sur des modèles de conception éprouvés. Il s'inscrit dans la continuité des cours "Concevoir une architecture avec Google Compute Engine" et "Concevoir une architecture avec Google Kubernetes Engine" et demande une expérience pratique des technologies abordées dans chaque cours. À travers un ensemble de présentations, d'activités de conception et d'ateliers pratiques, les participants apprennent à définir des exigences techniques et commerciales, et à trouver un équilibre entre elles pour concevoir des déploiements Google Cloud hautement fiables et disponibles, sécurisés et économes.
En savoir plus
Dans bien des services informatiques, il existe des divergences entre les avantages souhaités par les développeurs, à savoir l'agilité, et ceux des opérateurs, qui recherchent la stabilité. L'ingénierie de la fiabilité des sites (SRE) permet à Google d'aligner les mesures incitatives entre le développement et les opérations, et de proposer une assistance à la production critique. Adopter des pratiques techniques et culturelles de l'ingénierie SRE permet d'améliorer la collaboration entre les équipes métiers et informatiques. Ce cours présente les pratiques clés de l'ingénierie SRE façon Google, ainsi que le rôle déterminant que jouent les responsables IT et les chefs d'entreprise dans la réussite de son adoption au sein de leur organisation.
En savoir plus
"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.
En savoir plus
