Orsys IT Training CERTifications menu
filiale du groupe ORSYS Formation
www.orsys.com

Formation Machine Learning on Google Cloud
Apprentissage automatique sur Google Cloud

Stage pratique
New
Durée : 5 jours
Réf : MLG
Prix  2022 : 3590 € H.T.
Pauses et déjeuners offerts
  • Programme
  • Participants / Prérequis
  • Intra / sur-mesure

Avec cette formation, vous apprendrez à écrire des modèles d’apprentissage automatique distribués qui évoluent dans TensorFlow 2.x, à effectuer l’ingénierie des features avec BQML et Keras, à évaluer les courbes de perte, à effectuer le réglage d’hyperparamètres, et à former des modèles à grande échelle avec Cloud AI Platform. Vous aurez les réponses à vos questions : qu’est-ce que le machine learning ? Quels types de problèmes peut-il résoudre ? Pourquoi les réseaux de neurones sont-ils populaires ? Comment améliorer la qualité des données et effectuer une analyse exploratoire des données ?

Objectifs pédagogiques

  • 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’évaluations et de tests répétables et évolutifs
  • Implémenter des modèles d’apprentissage automatique à l’aide de Keras et de TensorFlow
  • Comprendre l'impact des paramètres de descente de gradient sur la précision la vitesse d'entraînement, la rareté, etc.
  • Représenter et transformer des entités
  • Entraîner des modèles à grande échelle avec AI Platform

Méthodes pédagogiques

Animation de la formation en français. Support de cours officiel en anglais.

Certification

Cours officiel sans certification.
PROGRAMME DE FORMATION

Comment Google effectue le machine learning

  • Développer une stratégie de données autour du machine learning (ML).
  • Examiner les cas d’utilisation qui sont ensuite réinventés à travers une approche de machine learning (ML).
  • Reconnaître les biais que le machine learning (ML) peut amplifier.
  • Tirer parti des outils et de l'environnement de Google Cloud Platform pour faire du ML.
  • Apprendre de l'expérience de Google pour éviter les pièges courants.
  • Effectuer des tâches de science des données dans des blocs-notes collaboratifs en ligne.
  • Appeler des modèles de ML pré-entraînés à partir de Cloud AI Platform.

Se lancer dans le machine learning

  • 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.
  • Atténuer les problèmes courants qui surviennent dans le ML.
  • Créer des ensembles de données de formation, d'évaluations et de tests répétables et évolutifs.

Introduction à TensorFlow 2.x

  • Créer des modèles d’apprentissage automatique TensorFlow 2.x et Keras.
  • Décrire les composants clés de Tensorflow 2.x.
  • Utiliser la bibliothèque tf.data pour manipuler des données et de grands ensembles de données.
  • Utiliser les API séquentielles et fonctionnelles Keras pour créer des modèles simples et avancées.
  • Former, déployer et produire des modèles de machine learning (ML) à grande échelle avec Cloud AI Platform.

Ingénierie des features

  • Comparer les principaux aspects requis d'une bonne feature.
  • Combiner et créer de nouvelles combinaisons de features grâce à des croisements de features.
  • Effectuer l'ingénierie des features à l'aide de BigQuery Machine Learning (BQML), Keras et Tensorflow 2.x.
  • Découvrir comment prétraiter et explorer les features avec Cloud Dataflow et Cloud Dataprep.
  • Comprendre et appliquer comment TensorFlow transforme les features.

Art et science du machine learning

  • Optimiser les performances du modèle avec le réglage des hyperparamètres.
  • Expérimenter avec les réseaux de neurones et affiner les performances.
  • Améliorer les fonctionnalités du modèle ML avec des couches incorporées.

» Participants

Machine learning et data engineers, scientifiques du machine learning, data scientists et data analysts voulant être exposés à l'apprentissage automatique dans le cloud avec TensorFlow 2.x et Keras.

» Prérequis

Connaissance des concepts de base de l’apprentissage automatique. Maîtrise de base d’un langage de script - Python de préférence.

Demande de devis intra-entreprise
(réponse sous 48h)

Vos coordonnées

En cochant cette case, j’atteste avoir lu et accepté les conditions liées à l’usage de mes données dans le cadre de la réglementation sur la protection des données à caractère personnel (RGPD).
Vous pouvez à tout moment modifier l’usage de vos données et exercer vos droits en envoyant un email à l’adresse rgpd@orsys.fr
En cochant cette case, j’accepte de recevoir les communications à vocation commerciale et promotionnelle de la part d’ORSYS Formation*
Vous pouvez à tout moment vous désinscrire en utilisant le lien de désabonnement inclus dans nos communications.
* Les participants inscrits à nos sessions de formation sont également susceptibles de recevoir nos communications avec la possibilité de se désabonner à tout moment.

[+]
PARIS

Les cours ont lieu de 9h à 12h30 et de 14h à 17h3 0.
Les participants sont accueillis à partir de 8h45.
Pour les stages pratiques de 4 ou 5 jours, les sessions se terminent à 15h30 le dernier jour.