Об этом курсе
Специализация
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 4 часа на выполнение

Предполагаемая нагрузка: 8 hours/week...
Доступные языки

Французский

Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский...
Специализация
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 4 часа на выполнение

Предполагаемая нагрузка: 8 hours/week...
Доступные языки

Французский

Субтитры: Французский, Португальский (бразильский), Немецкий, Английский, Испанский, Японский...

Программа курса: что вы изучите

Неделя
1
Часов на завершение
4 минуты на завершение

Introduction

Dans ce cours, nous vous enseignerons les connaissances fondamentales en matière de ML pour que vous puissiez comprendre la terminologie que nous utiliserons au cours de cette spécialisation. Grâce aux spécialistes du machine learning de Google, vous découvrirez également des astuces pratiques, ainsi que les écueils à éviter. À la fin du cours, vous disposerez du code et des connaissances nécessaires pour lancer vos propres modèles de ML....
Reading
1 видео ((всего 4 мин.))
Video1 видео
Часов на завершение
1 ч. на завершение

Le machine learning en pratique

Dans ce module, nous vous présentons certains des principaux types de machine learning et aborderons son histoire, des débuts jusqu'à l'apogée. Vous pourrez ainsi rapidement vous familiariser avec le ML....
Reading
10 видео ((всего 62 мин.)), 1 тест
Video10 видео
Apprentissage supervisé5мин
Régression et classification11мин
Bref historique du ML : régression linéaire7мин
Bref historique du ML : perceptron5мин
Bref historique du ML : réseaux de neurones7мин
Bref historique du ML : arbres de décision5мин
Bref historique du ML : méthodes à noyau4мин
Bref historique du ML : forêts d'arbres décisionnels4мин
Bref historique du ML : réseaux de neurones modernes8мин
Quiz1 практическое упражнение
Quiz du module6мин
Часов на завершение
1 ч. на завершение

Optimisation

Dans ce module, nous vous guidons sur la voie qui vous permettra d'optimiser vos modèles de ML....
Reading
13 видео ((всего 61 мин.)), 1 тест
Video13 видео
Définir des modèles de ML4мин
Présentation de l'ensemble de données "natality"6мин
Présentation des fonctions de perte6мин
Descente de gradient5мин
Résoudre des problèmes relatifs aux courbes de perte2мин
Pièges relatifs aux modèles de ML6мин
Atelier : Présentation de TensorFlow Playground6мин
Atelier : TensorFlow Playground (niveau avancé)3мин
Atelier : Utilisation des réseaux de neurones6мин
Résoudre des problèmes relatifs aux courbes de perte1мин
Statistiques de performances3мин
Matrice de confusion5мин
Quiz1 практическое упражнение
Quiz du module6мин
Часов на завершение
3 ч. на завершение

Généralisation et échantillonnage

Penchons-nous maintenant sur une question un peu particulière : dans quelles conditions est-il préférable de ne pas choisir le modèle ML le plus précis ? Comme nous en avons déjà parlé lors du module précédent sur l'optimisation, ce n'est pas parce que le modèle appliqué à un ensemble de données d'apprentissage présente un taux de perte égal à zéro qu'il sera performant pour de nouvelles données réelles....
Reading
9 видео ((всего 64 мин.)), 3 тестов
Video9 видео
Généralisation et modèles de ML6мин
Comment déterminer le bon moment pour arrêter l'entraînement d'un modèle ?5мин
Créer des échantillons reproductibles dans BigQuery6мин
Démonstration : Fractionnement d'ensembles de données dans BigQuery8мин
Présentation de l'atelier1мин
Explication de l'atelier9мин
Présentation de l'atelier2мин
Explication de l'atelier23мин
Quiz1 практическое упражнение
Questionnaire du module12мин
Часов на завершение
3 минуты на завершение

Résumé

...
Reading
1 видео ((всего 3 мин.))
Video1 видео

Преподаватель

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....

О специализации ''Machine Learning with TensorFlow on Google Cloud Platform '

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....
Machine Learning with TensorFlow on Google Cloud Platform

Часто задаваемые вопросы

  • 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.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. 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.

Остались вопросы? Посетите Центр поддержки учащихся.