Google Cloud Big Data and Machine Learning Fundamentals en Français

Overview

Save Big on Coursera Plus. 7,000+ courses at $160 off. Limited Time Only!

Grab it

Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.

Syllabus

Présentation du cours

Cette section accueille les participants au cours Big Data and Machine Learning Fundamentals et leur offre un aperçu de sa structure et de ses objectifs.

Big data et machine learning sur Google Cloud

Cette section aborde les composants clés de l'infrastructure Google Cloud. Elle présente un grand nombre des produits et services Google Cloud pour le big data et le machine learning, tous compatibles avec le cycle de vie "des données à l'IA".

Ingénierie des données pour la diffusion de données

Cette section présente la solution de Google Cloud pour gérer les flux de données. Elle examine un pipeline de bout en bout, y compris l'ingestion de données avec Pub/Sub, le traitement des données via Dataflow, et la visualisation des données avec Looker et Looker Studio.

Big data avec BigQuery

Cette section présente BigQuery, l'entrepôt de données sans serveur entièrement géré de Google. Elle aborde également BigQuery ML, ainsi que les processus et les commandes clés permettant de créer des modèles de machine learning personnalisés.

Options de machine learning sur Google Cloud

Cette section explore quatre options différentes pour créer des modèles de machine learning sur Google Cloud. Elle présente également Vertex AI, la plate-forme unifiée de Google permettant de créer des projets de ML et de gérer leur cycle de vie.

Workflow de machine learning avec Vertex AI

Cette section se concentre sur les trois phases clés d'un workflow de machine learning dans Vertex AI : préparation des données, entraînement du modèle et évaluation du modèle. Les participants ont l'occasion de s'entraîner à créer un modèle de machine learning avec AutoML.

Résumé du cours

Cette section revient sur les sujets abordés pendant le cours. Il oriente également les participants vers des ressources supplémentaires qui leur permettront d'approfondir leurs connaissances.