This course is part of the Machine Learning with TensorFlow on Google Cloud en Français Specialization

Google Cloud Training

Offered By

Machine Learning with TensorFlow on Google Cloud en Français SpecializationGoogle Cloud

About this Course

Ce cours porte sur la conception et la création d'un pipeline de données d'entrée TensorFlow 2.x, la création de modèles de ML à l'aide de TensorFlow 2.x et Keras, l'amélioration de la précision des modèles de ML, l'écriture de modèles de ML pour une utilisation évolutive et l'écriture de modèles de ML spécialisés.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 3 of 5 in the

Machine Learning with TensorFlow on Google Cloud en Français Specialization

Intermediate Level

Approx. 15 hours to complete

French

What you will learn

Create TensorFlow 2.x and Keras machine learning models and understand their key components
Use the tf.data library to manipulate data and large datasets
Use the Keras Sequential and Functional APIs for simple and advanced model creation
Train, deploy, and productionalize ML models at scale with Vertex AI

Flexible deadlines

Reset deadlines in accordance to your schedule.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 3 of 5 in the

Machine Learning with TensorFlow on Google Cloud en Français Specialization

Intermediate Level

Approx. 15 hours to complete

French

Instructor

Google Cloud Training

1,915,438 Learners

1,034 Courses

Offered by

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.

Syllabus - What you will learn from this course

Week1

Week 1

1 minute to complete

Présentation du cours

1 minute to complete

1 video (Total 1 min)

Week2

Week 2

1 hour to complete

Présentation de l'écosystème TensorFlow

1 hour to complete

4 videos (Total 19 min), 1 reading, 1 quiz

Week3

Week 3

5 hours to complete

Concevoir et créer un pipeline de données d'entrée

Les données sont essentielles aux modèles de machine learning, mais collecter les bonnes ne suffit pas. Vous devez également vous assurer de mettre en place les processus adéquats pour nettoyer, analyser et transformer ces données si nécessaire, pour que les modèles puissent les exploiter pleinement. Dans ce module, nous verrons comment entraîner un modèle avec des ensembles de données volumineux grâce à tf.data, travailler avec des fichiers en mémoire et préparer les données pour l'entraînement. Pour terminer, nous évoquerons les représentations vectorielles continues et le scaling des données effectué à l'aide de couches de prétraitement tf.keras.

5 hours to complete

9 videos (Total 36 min), 1 reading, 3 quizzes

9 videos

Présentation22sRappel sur le ML2mEntraîner un modèle avec des ensembles de données volumineux à l'aide de l'API tf.data3mTravailler en mémoire avec des fichiers3mPréparer les données pour l'entraînement du modèle6mReprésentations vectorielles continues8mPrésentation de l'atelier : API Dataset TensorFlow27sEffectuer le scaling du traitement des données à l'aide de tf.data et de couches de prétraitement Keras10mPrésentation de l'atelier : Classer des données structurées à l'aide de couches de prétraitement Keras31s

1 reading

Ressources : Concevoir et créer un pipeline de données d'entrée TensorFlow10m

1 practice exercise

Quiz : Concevoir et créer un pipeline de données d'entrée20m

Week4

Week 4

6 hours to complete

Créer des réseaux de neurones avec l'API Keras et TensorFlow

Dans ce module, nous aborderons les fonctions d'activation et expliquerons en quoi elles sont nécessaires pour permettre aux réseaux de neurones profonds d'identifier les cas de non-linéarité dans les données. Ensuite, nous présenterons les réseaux de neurones profonds avec les API Keras Sequential et Keras Functional avant d'évoquer le sous-classement, qui offre une plus grande flexibilité pour la création de modèles. Enfin, nous parlerons de la régularisation.

6 hours to complete

11 videos (Total 45 min), 1 reading, 4 quizzes

11 videos

Présentation30sFonctions d'activation8mEntraîner des réseaux de neurones avec Tensorflow 2 et l'API Keras Sequential7mInférer des modèles dans le cloud3mPrésentation de l'atelier : Présentation de l'API Keras Sequential sur Vertex AI Platform33sEntraîner des réseaux de neurones avec TensorFlow 2 et l'API Keras Functional9mPrésentation de l'atelier : Créer un DNN à l'aide de l'API Keras Functional sur Vertex AI Platform29sSous-classement des modèles3m(Facultatif) Présentation de l'atelier : Créer des couches et des modèles grâce au sous-classement39sPrincipes de base de la régularisation4mMesurer la complexité d'un modèle : comparaison entre les régularisations L1 et L25m

1 reading

Ressources : Créer des réseaux de neurones dans TensorFlow avec l'API Keras10m

1 practice exercise

Quiz : Créer des réseaux de neurones dans TensorFlow avec l'API Keras20m

About the Machine Learning with TensorFlow on Google Cloud en Français Specialization

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

Frequently Asked Questions

Can I preview a course before enrolling?
Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.
When will I have access to the lectures and assignments?
If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.
What will I get when I enroll?
Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.
When will I receive my Course Certificate?
If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.
Why can’t I audit this course?
This course is one of a few offered on Coursera that are currently available only to learners who have paid or received financial aid, when available.
What is the refund policy?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

More questions? Visit the Learner Help Center.

Intro to TensorFlow en Français

About this Course

What you will learn