Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning with TensorFlow on Google Cloud en Français

Google Cloud Training

von

Spezialisierung Machine Learning with TensorFlow on Google Cloud en FrançaisGoogle Cloud

Über diesen Kurs

Vous voulez en savoir plus sur Vertex AI Feature Store ? Vous souhaitez découvrir comment améliorer la précision de vos modèles de ML ? Comment déterminer les colonnes de données présentant les caractéristiques les plus utiles ? Bienvenue dans le cours "Feature Engineering", dans lequel vous apprendrez 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. Ce cours inclut du contenu et des ateliers portant sur l'extraction de caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 4 von 5 in

Spezialisierung Machine Learning with TensorFlow on Google Cloud en Français

Stufe „Mittel“

Ca. 13 Stunden zum Abschließen

Französisch

Was Sie lernen werden

Utiliser Vertex AI Feature Store
Expliquer comment transformer des données brutes en caractéristiques et effectuer une extraction de caractéristiques
Prétraiter des caractéristiques à l'aide d'Apache Beam et de Cloud Dataflow
Utiliser tf.Transform

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 4 von 5 in

Spezialisierung Machine Learning with TensorFlow on Google Cloud en Français

Stufe „Mittel“

Ca. 13 Stunden zum Abschließen

Französisch

Dozent

Google Cloud Training

1.917.638 Lernende

1.034 Kurse

von

Google Cloud

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

1 Minute zum Abschließen

Présentation

1 Minute zum Abschließen

1 Video (Gesamt 1 min)

Woche2

Woche 2

3 Stunden zum Abschließen

Présentation de Vertex AI Feature Store

3 Stunden zum Abschließen

8 Videos (Gesamt 33 min), 1 Lektüre, 2 Quiz

8 Videos

Présentation30Avantages de Feature Store4mTerminologie et concepts de Feature Store6mModèle de données de Feature Store1mCréer un magasin de caractéristiques9mPublier des caractéristiques : par lot et en ligne5m(Facultatif) Présentation de l'atelier : Utiliser Feature Store29Coursera : Premiers pas avec Google Cloud Platform et Qwiklabs4m

1 Lektüre

Ressources : Présentation de Vertex AI Feature Store10m

1 praktische Übung

Quiz : Présentation de Vertex AI Feature Store12m

Woche3

Woche 3

1 Stunde zum Abschließen

Des données brutes aux caractéristiques

L'extraction de caractéristiques est souvent la phase la plus longue et la plus difficile du développement de votre projet de ML. Dans le processus d'extraction de caractéristiques, vous partez de vos données brutes et utilisez votre propre connaissance du domaine pour créer des caractéristiques qui feront fonctionner vos algorithmes de ML. Dans ce module, nous explorerons ce qui constitue une bonne caractéristique et découvrirons comment la représenter dans votre modèle de ML.

1 Stunde zum Abschließen

9 Videos (Gesamt 43 min), 1 Lektüre, 1 Quiz

9 Videos

Présentation13Présentation de l'extraction de caractéristiques10mDes données brutes aux caractéristiques : présentation du module1mComparer les caractéristiques pertinentes et non pertinentes4mLes caractéristiques doivent être connues au moment de la prédiction5mLes caractéristiques doivent être numériques4mLes caractéristiques doivent contenir suffisamment d'exemples6mIntroduire la perception humaine21Représenter les caractéristiques9m

1 Lektüre

Ressources : Des données brutes aux caractéristiques10m

1 praktische Übung

Quiz : Des données brutes aux caractéristiques10m

Woche4

Woche 4

6 Stunden zum Abschließen

Extraction de caractéristiques

6 Stunden zum Abschließen

12 Videos (Gesamt 35 min), 1 Lektüre, 5 Quiz

12 Videos

Présentation13Différence entre le machine learning et les statistiques3mExtraction simple de caractéristiques5mPrésentation de l'atelier : Effectuer une extraction simple de caractéristiques dans BigQuery ML33Extraction avancée de caractéristiques : croisements de caractéristiques5mMettre en bucket et transformer des fonctions2m(Facultatif) Présentation de l'atelier : Extraction avancée de caractéristiques dans BigQuery ML52Prédire le prix des logements6mEstimer le tarif d'une course en taxi2mCaractéristiques temporelles et de géolocalisation5mPrésentation de l'atelier : Extraction simple de caractéristiques dans Keras30Présentation de l'atelier : Extraction avancée de caractéristiques dans Keras29

1 Lektüre

Ressources : Extraction de caractéristiques10m

1 praktische Übung

Quiz : Extraction de caractéristiques16m

Woche5

Woche 5

1 Stunde zum Abschließen

Prétraiter et créer des caractéristiques

1 Stunde zum Abschließen

3 Videos (Gesamt 10 min), 1 Lektüre, 1 Quiz

Woche6

Woche 6

26 Minuten zum Abschließen

Croisements de caractéristiques – TensorFlow Playground

26 Minuten zum Abschließen

5 Videos (Gesamt 4 min), 1 Lektüre, 1 Quiz

5 Videos

Présentation11Qu'est-ce qu'un croisement de caractéristiques ?2mDiscrétisation50Présentation de l'atelier : TensorFlow Playground : utiliser les croisements de caractéristiques pour créer un classificateur efficace26Présentation de l'atelier : TensorFlow Playground : limites des croisements de caractéristiques31

1 Lektüre

Ressources : Croisements de caractéristiques – TensorFlow Playground10m

1 praktische Übung

Quiz : Croisements de caractéristiques – TensorFlow Playground12m

Woche7

Woche 7

2 Stunden zum Abschließen

Présentation de TensorFlow Transform

TensorFlow Transform (tf.Transform) est une bibliothèque de prétraitement des données avec TensorFlow qui est utile pour les prétraitements nécessitant un passage complet des données, comme : - la normalisation d'une valeur d'entrée par la moyenne et l'écart type - la conversion de chaînes en nombres entiers en générant un vocabulaire sur toutes les valeurs d'entrée - la mise en buckets des entrées basées sur la distribution des données observées Dans ce module, nous allons explorer les cas d'utilisation de tf.Transform.

2 Stunden zum Abschließen

6 Videos (Gesamt 20 min), 1 Lektüre, 2 Quiz

Woche8

Woche 8

1 Stunde zum Abschließen

Résumé

1 Stunde zum Abschließen

4 Lektüren

Über den Spezialisierung Machine Learning with TensorFlow on Google Cloud en Français

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 <<<

Machine Learning with TensorFlow on Google Cloud en Français

Häufig gestellte Fragen

Kann ich vor der Anmeldung eine Vorschau des Kurses ansehen?
Ja, Sie können eine Vorschau des ersten Videos und den Lehrplan ansehen, bevor Sie sich anmelden. Sie müssen den Kurs kaufen, um Zugriff auf die Inhalte zu erhalten, die nicht in der Vorschau inbegriffen sind.
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Wenn Sie sich vor dem Startdatum der ersten Kurseinheit anmelden, haben Sie Zugriff auf alle Vortragsvideos und Texte für den Kurs. Sobald die erste Kurseinheit beginnt, können Sie Aufgaben einreichen.
Was bekomme ich, wenn ich mich anmelde?
Sobald Sie sich anmelden und Ihre Kurseinheit beginnt, haben Sie Zugriff auf alle Videos und andere Ressourcen, einschließlich der Texte und des Kurs-Diskussionsforums. Sie können praktische Aufgaben ansehen und einreichen und erforderliche bewertete Aufgaben abschließen, um eine Bewertung und ein Kurszertifikat zu erhalten.
Wann erhalte ich mein Kurszertifikat?
Wenn Sie den Kurs erfolgreich abschließen, wird der Seite „Errungenschaften“ Ihr elektronisches Kurszertifikat hinzugefügt – von dort können Sie Ihr Kurszertifikat ausdrucken oder es zu Ihrem LinkedIn-Profil hinzufügen.
Warum kann ich nicht als Gast an diesem Kurs teilnehmen?
Dieser Kurs ist einer der wenigen auf Coursera angebotenen Kurse, die derzeit ausschließlich für Kursteilnehmer zugänglich sind, die bezahlt oder finanzielle Unterstützung erhalten haben, wenn diese verfügbar ist.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Feature Engineering en Français

Über diesen Kurs

Was Sie lernen werden