Machine Learning in the Enterprise - Français

Overview

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

Grab it

Ce cours présente une approche pratique du workflow de ML avec une étude de cas dans laquelle une équipe est confrontée à plusieurs exigences métier et cas d'utilisation de ML. Cette équipe doit comprendre quels outils sont nécessaires pour gérer et gouverner les données, et trouver la meilleure approche pour les prétraiter. On présente à cette équipe trois options de création de modèles de ML pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe tire parti des avantages d'AutoML, de BigQuery ML ou de l'entraînement personnalisé pour atteindre ses objectifs.

Syllabus

Introduction

Ce module présente le cours et ses objectifs.

Comprendre le workflow de ML en entreprise

Ce module traite du workflow de ML en entreprise et de l'objectif de chaque étape.

Données d'entreprise

Ce module passe en revue les outils Google de gestion et de gouvernance des données d'entreprise : Feature Store, Data Catalog, Dataplex et Analytics Hub.

Science du machine learning et entraînement personnalisé

Ce module passe en revue l'art et la science du machine learning et des réseaux de neurones. Nous verrons également comment entraîner des modèles de ML personnalisés à l'aide de Vertex AI.

Réglage des hyperparamètres à l'aide de Vertex Vizier

Dans ce module, nous verrons comment régler les hyperparamètres à l'aide de Vertex AI Vizier.

Prédiction et surveillance des modèles avec Vertex AI

Ce module porte sur la prédiction et la surveillance des modèles avec Vertex AI. Nous aborderons d'abord les prédictions par lot et en ligne à l'aide de conteneurs prédéfinis et personnalisés, puis nous passerons en revue la surveillance des modèles, un service permettant de gérer les performances de vos modèles de ML.