We may earn an affiliate commission when you visit our partners.
Course image
Google Cloud Training

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.

Read more

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 <<<

Enroll now

Share

Help others find Specialization from Coursera by sharing it with your friends and followers:

What's inside

Five courses

How Google does Machine Learning en Français

Quelles sont les bonnes pratiques pour implémenter le machine learning sur Google Cloud ? En quoi consiste la plate-forme Vertex AI ? Comment créer, entraîner et déployer rapidement des modèles de machine learning AutoML sans écrire de code ? Ce cours aborde les 5 phases pour traiter un cas d'utilisation avec le machine learning, ainsi que les biais qu'il peut amplifier.

Launching into Machine Learning en Français

(0 hours)
Au début de ce cours, nous aborderons les données, leur amélioration et les analyses exploratoires. Nous présenterons Vertex AI AutoML et expliquerons comment créer, entraîner et déployer un modèle de ML sans coder. Nous découvrirons BigQuery ML, l'optimisation des modèles de ML, la généralisation et l'échantillonnage pour évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.

Intro to TensorFlow en Français

(0 hours)
Ce cours aborde la conception et la création d'un pipeline de données d'entrée TensorFlow 2.x, la création de modèles de ML à l'aide de TensorFlow 2.x et Keras, l'amélioration de la précision des modèles de ML, l'écriture de modèles de ML pour une utilisation évolutive.

Feature Engineering en Français

Vous souhaitez améliorer la précision de vos modèles de ML ? Comment déterminer les colonnes de données présentant les caractéristiques les plus utiles ? Ce cours vous apprendra à distinguer les caractéristiques pertinentes de celles qui ne le sont pas. Vous verrez aussi comment les prétraiter et les transformer pour les utiliser de manière optimale dans vos modèles.

Art and Science of Machine Learning en Français

(0 hours)
Bienvenue dans "Art and Science of Machine Learning". Ce cours de 6 modules vous permettra de développer les compétences essentielles pour ajuster vos modèles de ML et optimiser leurs performances. Nous verrons comment généraliser votre modèle à l'aide de techniques de régularisation et évoquerons les effets des hyperparamètres sur les performances de votre modèle. Nous présenterons également certains des algorithmes d'optimisation les plus courants.

Save this collection

Save Machine Learning with TensorFlow on Google Cloud en Français to your list so you can find it easily later:
Save
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2024 OpenCourser