Machine Learning on Google Cloud

• Présenter un cas d’utilisation commercial comme un problème d’apprentissage automatique.
• Décrire comment améliorer la qualité des données.
• Effectuer une analyse exploratoire des données.
• Construire et former des modèles d’apprentissage supervisé.
• Optimiser et évaluer les modèles à l’aide des fonctions de perte et des mesures de performance.
• Créer des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.
• Implémenter des modèles d’apprentissage automatique à l’aide de Keras et de TensorFlow 2.x.
• Comprendre l’impact des paramètres de descente de gradient sur la précision, la vitesse d’entraînement, la rareté et la généralisation.
• Représenter et transformer des entités.
• Entraînez des modèles à grande échelle avec AI Platform.

Module 1: Comment Google effectue le machine learning

• Développez une stratégie de données autour du machine learning.
• Examinez les cas d’utilisation qui sont ensuite réinventés à travers une approche ML.
• Reconnaissez les biais que le ML peut amplifier.
• Tirez parti des outils et de l’environnement de Google Cloud Platform pour faire du ML.
• Apprenez de l’expérience de Google pour éviter les pièges courants.
• Effectuez des tâches de science des données dans des blocs-notes collaboratifs en ligne.
• Appelez des modèles de ML pré-entraînés à partir de Cloud AI Platform.

Module 2: Se lancer dans le Machine Learning

• Décrivez comment améliorer la qualité des données.
• Effectuer une analyse exploratoire des données.
• Construire et former des modèles d’apprentissage supervisé.
• Optimisez et évaluez les modèles à l’aide des fonctions de perte et des mesures de performance.
• Atténuez les problèmes courants qui surviennent dans l’apprentissage automatique.
• Créez des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.

Module 3: Introduction à TensorFlow 2.x

• Créez des modèles d’apprentissage automatique TensorFlow 2.x et Keras.
• Décrivez les composants clés de Tensorflow 2.x.
• Utilisez la bibliothèque tf.data pour manipuler des données et de grands ensembles de données.
• Utilisez les API séquentielles et fonctionnelles Keras pour créer des modèles simples et avancés.
• Former, déployer et produire des modèles de ML à grande échelle avec Cloud AI Platform.

Module 4: Ingénierie des features

• Comparez les principaux aspects requis d’une bonne feature.
• Combinez et créez de nouvelles combinaisons de features grâce à des croisements de features.
• Effectuez l’ingénierie des features à l’aide de BQML, Keras et TensorFlow 2.x.
• Découvrez comment prétraiter et explorer les features avec Cloud Dataflow et Cloud Dataprep.
• Comprenez et appliquez comment TensorFlow transforme les features.

Module 5: Art et science de l’apprentissage automatique

• Optimisez les performances du modèle avec le réglage des hyperparamètres.
• Expérimentez avec les réseaux de neurones et affinez les performances.
• Améliorez les fonctionnalités du modèle ML avec des couches incorporées.