Date d'abonnement : 2023
Machine Learning Operations (MLOps) : premiers pas
Earned avr. 16, 2025 EDT
Machine Learning Operations (MLOps) pour l'IA générative
Earned avr. 10, 2025 EDT
Infrastructure Google Cloud fiable : conception et processus
Earned fév. 18, 2025 EST
Journalisation et surveillance dans Google Cloud
Earned fév. 7, 2025 EST
Google Cloud IAM et mise en réseau pour les utilisateurs professionnels d'AWS
Earned jan. 24, 2025 EST
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.
Dans ce cours, vous allez acquérir les connaissances et les outils nécessaires pour identifier les problématiques uniques auxquelles les équipes MLOps sont confrontées lors du déploiement et de la gestion de modèles d'IA générative. Vous verrez également en quoi Vertex AI permet aux équipes d'IA de simplifier les processus MLOps et de faire aboutir leurs projets d'IA générative.
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.
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.
Il s'agit du premier cours d'une série de quatre destinés aux architectes et ingénieurs cloud possédant déjà des connaissances sur AWS. Il compare les solutions Google Cloud et AWS, et guide les professionnels dans leur utilisation. Ce cours est consacré à Identity and Access Management (IAM) et à la mise en réseau dans Google Cloud. Les participants mettront en application leurs connaissances de la gestion des accès et de la mise en réseau dans AWS pour explorer les similitudes et les différences avec la gestion des accès et la mise en réseau dans Google Cloud. Ils s'entraîneront également à créer et gérer des ressources Google Cloud.