Об этом курсе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 1 semaine d'étude, 8 à 12 heures par semaine...

Французский

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

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 9 часа на выполнение

Предполагаемая нагрузка: 1 semaine d'étude, 8 à 12 heures par semaine...

Французский

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

Программа курса: что вы изучите

Неделя
1
11 минуты на завершение

Introduction au machine learning sans serveur sur Google Cloud Platform

2 видео ((всего 5 мин.)), 1 тест
2 видео
Considérations concernant le machine learning2мин
1 практическое упражнение
Test de préparation pour la formation sur le machine learning6мин
3 ч. на завершение

Module 1 : Premiers pas avec le machine learning

21 видео ((всего 109 мин.)), 2 тестов
21 видео
Types de ML3мин
Pipeline du ML2мин
Variantes d'un modèle de ML7мин
Formuler un problème de ML2мин
Se familiariser avec le machine learning (ML)8мин
Optimisation9мин
Environnement bac à sable pour les réseaux de neurones18мин
Combinaison de caractéristiques3мин
Extraction de caractéristiques3мин
Modèles d'images5мин
Efficacité du ML2мин
Caractéristiques d'un ensemble de données de qualité5мин
Métriques d'erreurs3мин
Précision2мин
Précision et rappel5мин
Créer des ensembles de données pour le machine learning3мин
Scinder un ensemble de données6мин
Blocs-notes Python1мин
Présentation de l'atelier : Créer des ensembles de données pour le ML3мин
Évaluation de l'atelier : Créer des ensembles de données pour le ML2мин
1 практическое упражнение
Questionnaire du module 18мин
5 ч. на завершение

Module 2 : Créer des modèles de ML avec TensorFlow

15 видео ((всего 65 мин.)), 5 тестов
15 видео
Qu'est-ce que TensorFlow ?5мин
Éléments de base de TensorFlow5мин
Présentation de l'atelier : Premiers pas avec TensorFlow7
Évaluation de l'atelier sur TensorFlow10мин
API Estimator8мин
Machine learning avec tf.estimator15
Évaluation de l'atelier sur l'API Estimator7мин
Concevoir des modèles de ML efficaces6мин
Présentation de l'atelier : Refactorisation pour le regroupement et la création de caractéristiques38
Évaluation de l'atelier sur la refactorisation4мин
Procéder à l'apprentissage et à l'évaluation4мин
Surveillance1мин
Présentation de l'atelier : Apprentissage distribué et surveillance2мин
Évaluation de l'atelier : Apprentissage distribué et surveillance7мин
1 практическое упражнение
Questionnaire du module 28мин
2 ч. на завершение

Module 3 : Faire évoluer les modèles de ML avec Cloud ML Engine

7 видео ((всего 28 мин.)), 2 тестов
7 видео
Pourquoi utiliser Cloud ML Engine6мин
Processus de développement1мин
Empaqueter un outil d'entraînement3мин
TensorFlow Serving3мин
Atelier : Mise à l'échelle du ML39
Évaluation de l'atelier : Mise à l'échelle du ML10мин
1 практическое упражнение
Questionnaire du module 34мин
3 ч. на завершение

Module 4 : Extraction de caractéristiques

16 видео ((всего 92 мин.)), 2 тестов
16 видео
Caractéristiques pertinentes7мин
Causalité8мин
Numérique5мин
Exemples suffisants7мин
Des données brutes aux caractéristiques1мин
Caractéristiques catégoriques8мин
Croisements de caractéristiques3мин
Mise en bucket3мин
Modèles larges et profonds5мин
Cas d'utilisation de l'extraction de caractéristiques3мин
Présentation de l'atelier : Extraction de caractéristiques3мин
Évaluation de l'atelier : Extraction de caractéristiques10мин
Réglage des hyperparamètres et démonstration15мин
Niveaux d'abstraction du ML4мин
Résumé1мин
1 практическое упражнение
Questionnaire du module 46мин

Преподаватели

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 Data Engineering on Google Cloud Platform en Français: общие сведения

Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud Platform. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning. Ce cours traite des données par flux ainsi que des données structurées et non structurées. Ce cours permet aux participants d'acquérir les compétences suivantes : • Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform • Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc • Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow • Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery • Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML • Obtenir des insights immédiats à partir de données par flux Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data. 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...
Data Engineering on Google Cloud Platform en Français

Часто задаваемые вопросы

  • Да, до регистрации можно просмотреть первое видео и программу курса. Чтобы получить полный доступ к материалам курса, необходимо оплатить его.

  • Регистрируясь на курс до начала сессии, вы получаете доступ ко всем видеолекциям и материалам для самостоятельного изучения. Задания можно отправлять после начала сессии.

  • После регистрации на курс и начала сессии вы получаете доступ ко всем видео и другим ресурсам курса, включая материалы для самостоятельного изучения и форумы обсуждений. Вы сможете выполнять тренировочные, а также сдавать обязательные оцениваемые задания и получить сертификат о прохождении курса.

  • Если вы успешного пройдете курс, на странице ваших достижений появится электронный сертификат, который можно распечатать или прикрепить к профилю LinkedIn.

  • Это один из немногих курсов на Coursera, которые предоставляются только на платной основе.

  • Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:

    • Knowledge of Google Cloud Platform

    • Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera

    • Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera

    • Knowledge of Python and familiarity with the numpy package

    • Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera

  • To be eligible for the free trial, you will need:

    - Google account (Google is currently blocked in China)

    - Credit card or bank account

    - Terms of service

    Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602

    More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/

    For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/

  • If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.

  • View this page for more details: https://cloud.google.com/free-trial/docs/

  • Yes, this online course is based on the instructor-led training formerly known as CPB102.

  • The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/

  • Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/

Остались вопросы? Посетите Центр поддержки учащихся.