Machine Learning with TensorFlow on Google Cloud Platform en Français

Overview

Syllabus

Courses

• How Google does Machine Learning en Français

  0 Reviews

  1 weeks long, 9 hours worth of material

  View details

  Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Google adopte une approche particulière du machine learning qui s'appuie non seulement sur les données, mais également sur la logique. Nous expliquerons l'intérêt que présente cette conception pour la création d'un pipeline de modèles de ML. Ensuite, nous examinerons les cinq phases permettant de convertir un cas d'utilisation devant être traité à l'aide du machine learning et étudierons pourquoi chaque étape est importante. Enfin, nous identifierons les biais que le machine learning est susceptible d'amplifier et apprendrons à les repérer.

• Launching into Machine Learning en Français

  0 Reviews

  1 weeks long, 6 hours worth of material

  View details

  À partir de l'histoire du machine learning, nous examinons les raisons pour lesquelles les réseaux de neurones fonctionnent si bien de nos jours dans différents problèmes liés à la science des données. Nous évoquons ensuite la façon d'aborder un problème d'apprentissage supervisé et le moyen d'y répondre en utilisant la descente de gradient. Cela implique de créer des ensembles de données menant à une généralisation ; nous évoquons les méthodes pour y parvenir de façon reproductible en utilisant l'expérimentation.
  
  Objectifs du cours :
  Identifier les raisons pour lesquelles le deep learning est actuellement en vogue
  Optimiser et évaluer les modèles à l'aide des fonctions de perte et des statistiques de performance
  Réduire les problèmes courants qui surviennent dans le machine learning
  Créer des formations, des évaluations et des ensembles de données tests répétables et évolutifs

• Intro to TensorFlow en Français

  0 Reviews

  3 weeks long, 10 hours worth of material

  View details

  Ce cours va vous expliquer comment exploiter la flexibilité et la facilité d'utilisation de TensorFlow 2.x et de Keras pour créer, entraîner et déployer des modèles de machine learning. Vous en apprendrez plus sur la hiérarchie de l'API TensorFlow 2.x et découvrirez les principaux composants de TensorFlow à travers divers exercices pratiques. Nous allons vous montrer comment travailler avec des ensembles de données et des colonnes de caractéristiques. Vous apprendrez à concevoir et à créer un pipeline de données d'entrée TensorFlow 2.x. À l'aide d'exercices pratiques, vous vous entraînerez à charger des données CSV, des tableaux Numpy, des données de texte et des images à l'aide de tf.Data.Dataset. Vous vous entraînerez également à créer des colonnes de caractéristiques numériques, catégorielles, en buckets et hachées.
  
  Nous vous présenterons l'API séquentielle Keras et l'API fonctionnelle Keras pour vous montrer comment créer des modèles de deep learning. Nous aborderons les fonctions d'activation, la perte et l'optimisation. Nos ateliers pratiques sur les notebooks Jupyter vous permettent de créer des modèles de machine learning à régression linéaire basique, à régression logistique basique et à régression logistique avancée. Vous apprendrez à entraîner, à déployer et à mettre en production des modèles de machine learning à grande échelle avec Cloud AI Platform.

• Feature Engineering en Français

  0 Reviews

  1 weeks long, 13 hours worth of material

  View details

  Vous souhaitez découvrir comment améliorer la précision de vos modèles de machine learning (ML) ? Vous voulez identifier les colonnes de données offrant les caractéristiques les plus utiles ? Bienvenue dans le cours Feature Engineering on Google Cloud Platform (Extraction de caractéristiques sur Google Cloud Platform). Nous vous expliquerons ce qui distingue les bonnes caractéristiques des mauvaises, puis nous vous montrerons comment prétraiter et transformer vos caractéristiques afin d'optimiser leur efficacité dans vos modèles.
  
  Des ateliers interactifs vous permettront de mettre en pratique ce que vous avez appris. Vous sélectionnerez vous-même des caractéristiques, puis les prétraiterez dans Google Cloud Platform. Nos formateurs vous aideront à comprendre les solutions de code. Ces solutions seront accessibles à tous, et pourront vous servir de référence en cas de besoin lorsque vous travaillerez sur vos propres projets de ML.

• Art and Science of Machine Learning en Français

  0 Reviews

  3 weeks long, 11 hours worth of material

  View details

  Bienvenue dans cette formation sur l'art et la science du machine learning. Dans ce cours, vous allez acquérir les compétences essentielles que requiert le ML : intuition, discernement et capacités d'expérimentation. De cette façon, vous pourrez ajuster précisément vos modèles de ML et les améliorer pour obtenir des performances optimales.
  
  Ce cours vous présente les nombreux mécanismes intervenant dans l'entraînement d'un modèle. Vous commencerez par les ajuster manuellement pour observer leurs effets sur les performances du modèle. Une fois que vous serez familiarisé avec ces mécanismes, également appelés "hyperparamètres", vous apprendrez à les régler automatiquement avec Cloud Machine Learning Engine sur Google Cloud Platform.