Recherche avancée
Par formation
Par date
Par ville
logo HUB Formation
Organisme de Formation
aux Technologies et métiers de L'informatique
La pédagogie au service de la technologie
Accueil > éditeurs > Google > Développement (AngularJs, Android, Go) > Ecrire des modèles de Machine Learning distribués à grande échelle

Ecrire des modèles de Machine Learning distribués à grande échelle

En exploitant Tensorflow 2.x, Keras, Cloud AI Platform et BigQuery ML

google

Dans ce cours, 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 et à effectuer le réglage d’hyperparamètres, et à former des modèles à grande échelle avec Cloud AI Platform.

A l’issu de cette formation vous saurez répondre aux questions théoriques et pratiques liées au Machine Learning sur Google Cloud, incluant:

  • Qu’est-ce que l’apprentissage automatique et quels types de problèmes peut-il résoudre ?
  • Pourquoi les réseaux de neurones sont-ils si populaires en ce moment ?
  • Comment pouvez-vous améliorer la qualité des données et effectuer une analyse exploratoire des données ?
  • Comment mettre en place un problème d’apprentissage supervisé et trouver une bonne solution généralisable en utilisant la descente de gradient ?

Objectifs

  • 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’évaluation et de test répétables et évolutifs.
  • Implémenter des modèles d’apprentissage automatique à l’aide de Keras et de TensorFlow 2.x.
  • Comprendre l’impact des paramètres de descente de gradient sur la précision, la vitesse d’entraînement, la rareté et la généralisation.
  • Représenter et transformer des entités.
  • Entraînez des modèles à grande échelle avec AI Platform.

Public

  • Machine learning engineers
  • Scientifiques du machine learning, data scientists et data analysts qui souhaitent être exposés à l’apprentissage automatique dans le cloud à l’aide de TensorFlow 2.x et Keras.
  • Data Engineers

Prérequis

  • Une certaine familiarité avec les concepts de base de l’apprentissage automatique.
  • Maîtrise de base d’un langage de script - Python de préférence.

Programme de la formation

Module 1: Comment Google effectue le machine learning

  • Développez une stratégie de données autour du machine learning.
  • Examinez les cas d’utilisation qui sont ensuite réinventés à travers une approche ML.
  • Reconnaissez les biais que le ML peut amplifier.
  • Tirez parti des outils et de l’environnement de Google Cloud Platform pour faire du ML.
  • Apprenez de l’expérience de Google pour éviter les pièges courants.
  • Effectuez des tâches de science des données dans des blocs-notes collaboratifs en ligne.
  • Appelez des modèles de ML pré-entraînés à partir de Cloud AI Platform.

Module 2: Se lancer dans le Machine Learning

  • Décrivez comment améliorer la qualité des données.
  • Effectuer une analyse exploratoire des données.
  • Construire et former des modèles d’apprentissage supervisé.
  • Optimisez et évaluez les modèles à l’aide des fonctions de perte et des mesures de performance.
  • Atténuez les problèmes courants qui surviennent dans l’apprentissage automatique.
  • Créez des ensembles de données de formation, d’évaluation et de test répétables et évolutifs.

Module 3: Introduction à TensorFlow 2.x

  • Créez des modèles d’apprentissage automatique TensorFlow 2.x et Keras.
  • Décrivez les composants clés de Tensorflow 2.x.
  • Utilisez la bibliothèque tf.data pour manipuler des données et de grands ensembles de données.
  • Utilisez les API séquentielles et fonctionnelles Keras pour créer des modèles simples et avancés.
  • Former, déployer et produire des modèles de ML à grande échelle avec Cloud AI Platform.

Module 4: Ingénierie des features

  • Comparez les principaux aspects requis d’une bonne feature.
  • Combinez et créez de nouvelles combinaisons de features grâce à des croisements de features.
  • Effectuez l’ingénierie des features à l’aide de BQML, Keras et TensorFlow 2.x.
  • Découvrez comment prétraiter et explorer les features avec Cloud Dataflow et Cloud Dataprep.
  • Comprenez et appliquez comment TensorFlow transforme les features.

Module 5: Art et science de l’apprentissage automatique

  • Optimisez les performances du modèle avec le réglage des hyperparamètres.
  • Expérimentez avec les réseaux de neurones et affinez les performances.
  • Améliorez les fonctionnalités du modèle ML avec des couches incorporées.

Méthode pédagogique

Chaque participant travaille sur un poste informatique qui lui est dédié. Un support de cours lui est remis soit en début soit en fin de cours. La théorie est complétée par des cas pratiques ou exercices corrigés et discutés avec le formateur. Le formateur projette une présentation pour animer la formation et reste disponible pour répondre à toutes les questions.

Méthode d'évaluation

Tout au long de la formation, les exercices et mises en situation permettent de valider et contrôler les acquis du stagiaire. En fin de formation, le stagiaire complète un QCM d'auto-évaluation.

Suivre cette formation à distance

  • Un ordinateur avec webcam, micro, haut-parleur et un navigateur (de préférence Chrome ou Firefox). Un casque n'est pas nécessaire suivant l'environnement.
  • Une connexion Internet de type ADSL ou supérieure. Attention, une connexion Internet ne permettant pas, par exemple, de recevoir la télévision par Internet, ne sera pas suffisante, cela engendrera des déconnexions intempestives du stagiaire et dérangera toute la classe.
  • Privilégier une connexion filaire plutôt que le Wifi.
  • Avoir accès au poste depuis lequel vous suivrez le cours à distance au moins 2 jours avant la formation pour effectuer les tests de connexion préalables.
  • Votre numéro de téléphone portable (pour l'envoi du mot de passe d'accès aux supports de cours et pour une messagerie instantanée autre que celle intégrée à la classe virtuelle).
  • Selon la formation, une configuration spécifique de votre machine peut être attendue, merci de nous contacter.
  • Pour les formations incluant le passage d'une certification la dernière journée, un voucher vous est fourni pour passer l'examen en ligne.
  • Pour les formations logiciel (Adobe, Microsoft Office...), il est nécessaire d'avoir le logiciel installé sur votre machine, nous ne fournissons pas de licence ou de version test.
  • Horaires identiques au présentiel.