Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Google adopte une approche particulière du machine learning qui s'appuie non seulement sur les données, mais également sur la logique. Nous expliquerons l'intérêt que présente cette conception pour la création d'un pipeline de modèles de ML. Ensuite, nous examinerons les cinq phases permettant de convertir un cas d'utilisation devant être traité à l'aide du machine learning et étudierons pourquoi chaque étape est importante. Enfin, nous identifierons les biais que le machine learning est susceptible d'amplifier et apprendrons à les repérer.
Этот курс входит в специализацию ''Специализация Machine Learning with TensorFlow on Google Cloud Platform en Français'
How Google does Machine Learning en Français
от партнера
Об этом курсе
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 1 из 5 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 10 часа на выполнение
Предполагаемая нагрузка: 1 semaine (8 à 10 heures)
Французский
Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский
Программа курса: что вы изучите
17 минуты на завершение
Introduction de la spécialisation
Présentation de la spécialisation et des experts Google qui s'occupent de la formation
17 минуты на завершение
4 видео ((всего 11 мин.))
4 видео
Programme de la spécialisation5мин
Pourquoi choisir Google ?1мин
Pourquoi choisir Google Cloud ?2мин
1 практическое упражнение
Questionnaire du module 16мин
1 ч. на завершение
Le rôle central de l'intelligence artificielle
Dans ce module, vous allez découvrir comment Google donne la priorité à l'intelligence artificielle dans sa stratégie d'entreprise et comment ce concept se traduit en pratique.
1 ч. на завершение
17 видео ((всего 52 мин.))
17 видео
Les deux étapes du ML3мин
Utilisation du ML dans les produits Google5мин
Démonstration : Utilisation du ML dans Google Photos1мин
Google Traduction et Gmail1мин
Remplacer des règles heuristiques5мин
Priorité aux données3мин
Présentation de l'atelier : Cerner un problème de ML1мин
Explication de l'atelier4мин
Démonstration : Utilisation du ML dans des applications2мин
Modèles pré-entraînés3мин
Évolution constante du marché du ML2мин
Stratégie de données5мин
Décalage entre les données d'entraînement et de diffusion5мин
Stratégie de ML1мин
Transformez votre entreprise2мин
Introduction au lab : Cas d'utilisation du ML26
1 практическое упражнение
Questionnaire du module 26мин
1 ч. на завершение
Le machine learning chez Google
Ce module présente le savoir-faire organisationnel acquis par Google au fil des années.
1 ч. на завершение
6 видео ((всего 36 мин.))
6 видео
Les surprises du ML4мин
L'ingrédient secret du ML8мин
Le ML et les processus commerciaux6мин
Transition vers le ML10мин
Récapitulatif des cinq phases du ML4мин
1 практическое упражнение
Questionnaire du module 36мин
1 ч. на завершение
Le machine learning inclusif
Dans ce module, nous expliquons pourquoi les systèmes de machine learning ne sont pas inclusifs par défaut, et nous indiquons les éléments que vous devez garder à l'esprit lorsque vous intégrez le ML à vos produits.
1 ч. на завершение
7 видео ((всего 27 мин.))
7 видео
Introduction1мин
Machine learning et biais humains2мин
Évaluation des métriques pour l'inclusion3мин
Mesures statistiques et compromis acceptables4мин
Égalité des chances6мин
Simuler des prises de décision3мин
Rechercher des erreurs dans un ensemble de données à l'aide de Facets4мин
1 практическое упражнение
Questionnaire du module 46мин
5 ч. на завершение
Blocs-notes Python dans le cloud
Ce module concerne Cloud Datalab, l'environnement de développement que vous allez utiliser dans le cadre de cette spécialisation.
5 ч. на завершение
22 видео ((всего 81 мин.)), 1 материал для самостоятельного изучения, 4 тестов
22 видео
Cloud Datalab1мин
Démonstration : Cloud Datalab1мин
Processus de développement2мин
Démonstration : transfert d'hébergement d'un bloc-notes Cloud Datalab3мин
Utiliser des services gérés2мин
Calcul et stockage4мин
Présentation de Qwiklabs3мин
Explication de l'atelier11мин
Cloud Shell2мин
Troisième évolution du cloud : services entièrement gérés1мин
Troisième évolution du cloud : analyse des données sans serveur2мин
Troisième évolution du cloud : BigQuery et Cloud Datalab52
Présentation de l'atelier : Analyse de données avec Datalab et BigQuery1мин
Explication de l'atelier : Analyse de données avec Datalab et BigQuery11мин
L'intelligence du ML2мин
API Vision en action3мин
API Video Intelligence3мин
API Cloud Speech3мин
Traduction avec l'API Natural Language4мин
Présentation de l'atelier : API de ML pré-entraînées49
Explication de l'atelier9мин
1 материал для самостоятельного изучения
Présentation de l'atelier sur la location d'une VM10мин
1 практическое упражнение
Questionnaire du module 56мин
4 минуты на завершение
Récapitulatif
4 минуты на завершение
1 видео ((всего 4 мин.))
1 видео
О Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Специализация Machine Learning with TensorFlow on Google Cloud Platform en Français: общие сведения
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML.
Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform.
>>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
