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

Ce cours est une introduction aux notebooks Vertex AI, des environnements basés sur des notebooks Jupyter qui proposent une plate-forme unifiée pour l'ensemble du workflow de machine learning, de la préparation des données jusqu'au déploiement et à la surveillance des modèles. Le cours aborde les sujets suivants : (1) Les différents types de notebooks Vertex AI et leurs fonctionnalités, et (2) comment en créer et les gérer.

Enroll now

What's inside

Syllabus

Save this course

Create your own learning path. Save this course to your list so you can find it easily later.
Save

Activities

Coming soon We're preparing activities for Utiliser des notebooks dans Vertex AI. These are activities you can do either before, during, or after a course.

Career center

Learners who complete Utiliser des notebooks dans Vertex AI will develop knowledge and skills that may be useful to these careers:
Ingénieur MLOps
L'Ingénieur MLOps est le pont entre le développement de modèles d'apprentissage automatique et leur déploiement opérationnel en production. Il vise à automatiser, gérer et surveiller les pipelines de ML tout au long de leur cycle de vie. Pour un Ingénieur MLOps, la maîtrise de plateformes comme Vertex AI est indispensable. Ce cours, en enseignant comment créer et gérer les différents types de notebooks Vertex AI et leurs fonctionnalités, permet de comprendre comment ces environnements supportent le workflow complet, de la préparation des données au déploiement et à la surveillance des modèles. Cette compréhension détaillée est cruciale pour construire des pipelines robustes et efficaces, rendant ce cours un atout majeur pour la carrière. Ce rôle demande souvent un diplôme de master.
Ingénieur Machine Learning
Un Ingénieur Machine Learning conçoit, développe et déploie des modèles d'apprentissage automatique. Ce rôle implique souvent des tâches allant de la préparation des données brutes à l'évaluation et au raffinage des algorithmes. Le cours "Utiliser des notebooks dans Vertex AI" est particulièrement pertinent pour un Ingénieur Machine Learning, car il se concentre sur une plateforme unifiée pour l'ensemble du workflow ML. La maîtrise des notebooks Vertex AI, y compris la compréhension de leurs différents types et fonctionnalités, ainsi que leur création et gestion, est essentielle. Ce cours aide à construire une fondation solide pour opérationnaliser les modèles, de la préparation des données jusqu'au déploiement et à la surveillance des modèles, compétences cruciales pour exceller dans ce domaine qui requiert souvent un diplôme de master.
Spécialiste de la Plateforme d'Apprentissage Automatique
Un Spécialiste de la Plateforme d'Apprentissage Automatique est responsable de la configuration, de la maintenance et de l'optimisation des infrastructures et des outils qui supportent le développement et le déploiement de modèles ML. Ce rôle assure que les équipes de data science et de machine learning disposent des ressources nécessaires. Le cours "Utiliser des notebooks dans Vertex AI" est fondamental pour un Spécialiste de la Plateforme d'Apprentissage Automatique. En maîtrisant les différents types de notebooks Vertex AI, leurs fonctionnalités, ainsi que les méthodes de création et de gestion, ce spécialiste peut garantir une utilisation efficace et optimale de la plateforme. Cette connaissance permet d'assurer que l'ensemble du workflow ML, de la préparation des données au déploiement et à la surveillance des modèles, est fluide et performant.
Développeur Python Intelligence Artificielle
Le Développeur Python Intelligence Artificielle est spécialisé dans l'écriture de code en Python pour construire et implémenter des applications et des modèles d'IA. Ce rôle est au cœur du développement technologique dans le domaine de l'apprentissage automatique. Le cours "Utiliser des notebooks dans Vertex AI" est directement applicable pour un Développeur Python Intelligence Artificielle, car les notebooks Jupyter-based sont des environnements de développement privilégiés pour l'expérimentation et le prototypage de modèles ML. La formation sur les différents types de notebooks Vertex AI, leurs fonctionnalités, leur création et leur gestion offre une maîtrise des outils nécessaires pour couvrir l'ensemble du workflow, de la préparation des données au déploiement et à la surveillance des modèles, ce qui est fondamental pour l'efficacité du développement.
Ingénieur Données Intelligence Artificielle
L'Ingénieur Données Intelligence Artificielle est spécialisé dans la construction et l'optimisation de pipelines de données qui alimentent les systèmes d'IA. Ce rôle garantit que les données sont collectées, transformées et rendues accessibles de manière fiable pour les modèles d'apprentissage automatique. Le cours "Utiliser des notebooks dans Vertex AI" est particulièrement utile pour un Ingénieur Données Intelligence Artificielle, car il couvre la préparation des données au sein d'un workflow ML complet. La connaissance des notebooks Vertex AI, de leurs types et fonctionnalités, ainsi que de leur création et gestion, fournit des compétences pratiques pour manipuler et pré-traiter les données directement dans l'environnement où les modèles sont développés et déployés, optimisant ainsi l'intégration des données dans l'écosystème ML.
Formateur en Intelligence Artificielle
Le Formateur en Intelligence Artificielle conçoit et dispense des programmes de formation pour enseigner les concepts, les outils et les pratiques de l'IA et du Machine Learning. Ce rôle exige une expertise technique approfondie et la capacité de la transmettre. Pour un Formateur en Intelligence Artificielle, le cours "Utiliser des notebooks dans Vertex AI" est une ressource inestimable. La connaissance détaillée des différents types de notebooks Vertex AI, leurs fonctionnalités, ainsi que les méthodes de création et de gestion, permet de former efficacement les apprenants sur une plateforme ML de pointe. La capacité à guider les étudiants à travers l'ensemble du workflow, de la préparation des données au déploiement et à la surveillance des modèles, est fondamentale pour une formation complète et pratique.
Scientifique des données
Un Scientifique des Données est chargé d'extraire des insights significatifs à partir de vastes ensembles de données, de développer des modèles prédictifs et de communiquer leurs découvertes. Ce rôle se situe souvent à l'intersection de la statistique, de l'informatique et de l'expertise métier. Le cours "Utiliser des notebooks dans Vertex AI" est extrêmement bénéfique pour un Scientifique des Données. La capacité à travailler avec des notebooks Jupyter-based pour la préparation des données, le prototypage de modèles et l'expérimentation est fondamentale. La plateforme unifiée de Vertex AI, couvrant la préparation des données jusqu'au déploiement et à la surveillance des modèles, offre un environnement complet pour transformer les données en solutions concrètes, une compétence clé souvent renforcée par des études avancées.
Architecte Cloud
L'Architecte Cloud conçoit et supervise la construction d'infrastructures informatiques basées sur le cloud, garantissant leur évolutivité, leur sécurité et leur efficacité. Ce professionnel doit avoir une connaissance approfondie des services cloud pour créer des solutions adaptées aux besoins de l'entreprise. Pour un Architecte Cloud, une compréhension de "Utiliser des notebooks dans Vertex AI" est très pertinente lorsqu'il s'agit de concevoir des architectures d'apprentissage automatique. La connaissance des types de notebooks Vertex AI et de leurs fonctionnalités, ainsi que de leur gestion, permet de recommander les meilleures pratiques pour intégrer des solutions ML complètes, de la préparation des données au déploiement et à la surveillance des modèles, dans une stratégie cloud globale.
Chercheur en intelligence artificielle
Le Chercheur en Intelligence Artificielle explore de nouvelles théories, algorithmes et méthodes pour faire avancer le domaine de l'IA. Ce rôle implique souvent des expérimentations, du prototypage et la publication des résultats. Le cours "Utiliser des notebooks dans Vertex AI" est très pertinent pour un Chercheur en Intelligence Artificielle. Les environnements basés sur des notebooks Jupyter sont des outils standard pour l'expérimentation rapide et l'itération dans la recherche. La maîtrise des différents types de notebooks Vertex AI, de leurs fonctionnalités, et de leur gestion permet aux chercheurs de prototyper des modèles, de préparer des données et d'évaluer des algorithmes au sein d'une plateforme unifiée, couvrant même le déploiement et la surveillance nécessaires pour valider les approches. Ce rôle requiert généralement un doctorat.
Opérateur de Systèmes d'Apprentissage Automatique
L'Opérateur de Systèmes d'Apprentissage Automatique est responsable de la maintenance quotidienne, du monitoring et de la résolution des problèmes des systèmes ML en production. Ce rôle assure la performance et la stabilité continue des modèles déployés. Pour un Opérateur de Systèmes d'Apprentissage Automatique, le cours "Utiliser des notebooks dans Vertex AI" est très pertinent. Le cours aborde explicitement la surveillance des modèles dans le workflow ML. La capacité à comprendre et à gérer les notebooks Vertex AI, y compris leurs fonctionnalités et la façon de les créer, est cruciale pour diagnostiquer les problèmes, ajuster les configurations ou exécuter des scripts d'analyse rapide directement dans l'environnement où les modèles ont été développés et sont surveillés.
Consultant en intelligence artificielle
Le Consultant en Intelligence Artificielle conseille les entreprises sur l'intégration et l'optimisation des solutions d'IA et de ML, de la stratégie à l'implémentation. Ce rôle exige une compréhension technique des outils et des plateformes disponibles sur le marché. Le cours "Utiliser des notebooks dans Vertex AI" est très utile pour un Consultant en Intelligence Artificielle pour acquérir une connaissance pratique d'une plateforme ML clé de Google Cloud. Comprendre les différents types de notebooks Vertex AI, leurs fonctionnalités, et comment les créer et les gérer, armera le consultant avec la capacité de guider efficacement ses clients à travers l'ensemble du workflow ML, de la préparation des données au déploiement et à la surveillance des modèles, afin d'atteindre leurs objectifs stratégiques. Ce rôle peut bénéficier d'un diplôme de master.
Chef de Projet Intelligence Artificielle
Le Chef de Projet Intelligence Artificielle gère le cycle de vie complet des projets d'IA, de la conception à la livraison, en coordonnant les équipes et les ressources. Bien que ce rôle soit davantage axé sur la gestion, une compréhension des outils techniques est primordiale. Le cours "Utiliser des notebooks dans Vertex AI" est particulièrement pertinent pour un Chef de Projet Intelligence Artificielle en lui offrant un aperçu clair de l'environnement de travail des équipes techniques. Comprendre les étapes du workflow ML couvertes par les notebooks Vertex AI – de la préparation des données au déploiement et à la surveillance des modèles – permet au chef de projet de mieux planifier, d'estimer les délais et de communiquer avec les développeurs et scientifiques des données, facilitant ainsi la bonne exécution du projet.
Responsable Produit Intelligence Artificielle
Le Responsable Produit Intelligence Artificielle définit la vision, la stratégie et la feuille de route pour les produits basés sur l'IA, en alignant les besoins du marché avec les capacités techniques. Ce rôle exige une compréhension holistique du cycle de vie du produit. Le cours "Utiliser des notebooks dans Vertex AI" est très pertinent pour un Responsable Produit Intelligence Artificielle. Comprendre l'ensemble du workflow ML, de la préparation des données au déploiement et à la surveillance des modèles, tel qu'il est géré via les notebooks Vertex AI, permet de prendre des décisions éclairées sur les fonctionnalités, les limitations et l'évolutivité des produits. Cette connaissance technique facilite la collaboration avec les équipes d'ingénierie et de science des données, assurant la concrétisation de la vision produit.
Ingénieur Big Data
L'Ingénieur Big Data est responsable de la conception, de la construction et de la maintenance d'infrastructures de données à grande échelle. Ce rôle implique souvent la collecte, le stockage, le traitement et la transformation de vastes volumes de données. Pour un Ingénieur Big Data, le cours "Utiliser des notebooks dans Vertex AI" peut être utile, car la préparation des données est une étape cruciale mentionnée dans le workflow ML des notebooks Vertex AI. Bien que le cours se concentre sur l'environnement ML sur Vertex AI, la connaissance des notebooks Jupyter-based et de leur gestion pour une partie du pipeline de données peut s'intégrer aux tâches de transformation de données préalables au Machine Learning, enrichissant ainsi ses compétences techniques.
Spécialiste en visualisation de données
Le Spécialiste en Visualisation de Données transforme des données complexes en graphiques et tableaux compréhensibles, aidant à la prise de décision. Bien que ce rôle soit principalement axé sur la présentation visuelle, la compréhension de la source des données est essentielle. Le cours "Utiliser des notebooks dans Vertex AI" peut être utile pour un Spécialiste en Visualisation de Données, notamment en ce qui concerne la phase de préparation des données du workflow ML. Les notebooks Jupyter sont souvent employés pour l'exploration et la visualisation préliminaire des données. Bien que le cours s'étende au déploiement de modèles, la familiarité avec ces environnements et la capacité à créer des notebooks pour explorer des jeux de données peut enrichir l'arsenal technique du spécialiste.

Reading list

We haven't picked any books for this reading list yet.
Provides a practical guide to machine learning for hackers. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about machine learning.
Provides a practical guide to machine learning with Scikit-Learn, Keras, and TensorFlow. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about machine learning.
Provides a comprehensive overview of machine learning with TensorFlow, covering both the theoretical and practical aspects of the topic. It great resource for beginners who want to learn about machine learning and TensorFlow.
Provides a comprehensive overview of deep learning with Python. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about deep learning.
Provides a comprehensive overview of deep learning. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about deep learning.
Provides a comprehensive overview of machine learning with R. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about machine learning.
Provides a comprehensive overview of machine learning with Java. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about machine learning.
Provides a comprehensive overview of pattern recognition and machine learning. It covers the theoretical and practical aspects of the topic, and it great resource for beginners who want to learn about pattern recognition and machine learning.
A practical guide to using Jupyter Notebooks for data analysis and visualization, covering topics such as data cleaning, data manipulation, and interactive visualizations.
A practical handbook focusing on data science applications of Jupyter Notebooks, including data cleaning, exploratory data analysis, machine learning, and data visualization. Assumes some prior programming knowledge.
A guide to using Jupyter Notebooks for Python developers, covering topics such as data analysis, machine learning, and web development.
Provides a comprehensive overview of the machine learning workflow using popular Python libraries such as Scikit-Learn, Keras, and TensorFlow. It practical guide that can be used by data scientists and machine learning engineers of all levels.
Presents a collection of design patterns that can be used to solve common problems in machine learning. It provides a systematic approach to designing and developing machine learning systems.
Covers the machine learning workflow from a software engineering perspective. It provides guidance on how to design, develop, and deploy machine learning systems in a scalable and maintainable way.

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Similar courses are unavailable at this time. Please try again later.
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 - 2025 OpenCourser