About this Course

다음 전문 분야의 5개 강좌 중 2번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 11시간 필요

권장: 1 semaine d'étude, 8 à 12 heures par semaine...

프랑스어

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

다음 전문 분야의 5개 강좌 중 2번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 11시간 필요

권장: 1 semaine d'étude, 8 à 12 heures par semaine...

프랑스어

자막: 프랑스어, 포르투갈어 (브라질), 독일어, 영어, 스페인어, 일본어...

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 1시간 필요

Introduction au machine learning sans serveur sur Google Cloud Platform

2개 동영상 (총 5분), 1 quiz
2개의 동영상
Considérations concernant le machine learning2m
1개 연습문제
Test de préparation pour la formation sur le machine learning30m
완료하는 데 3시간 필요

Module 1 : Premiers pas avec le machine learning

21개 동영상 (총 109분), 2 quizzes
21개의 동영상
Types de ML3m
Pipeline du ML2m
Variantes d'un modèle de ML7m
Formuler un problème de ML2m
Se familiariser avec le machine learning (ML)8m
Optimisation9m
Environnement bac à sable pour les réseaux de neurones18m
Combinaison de caractéristiques3m
Extraction de caractéristiques3m
Modèles d'images5m
Efficacité du ML2m
Caractéristiques d'un ensemble de données de qualité5m
Métriques d'erreurs3m
Précision2m
Précision et rappel5m
Créer des ensembles de données pour le machine learning3m
Scinder un ensemble de données6m
Blocs-notes Python1m
Présentation de l'atelier : Créer des ensembles de données pour le ML3m
Évaluation de l'atelier : Créer des ensembles de données pour le ML2m
1개 연습문제
Questionnaire du module 130m
완료하는 데 6시간 필요

Module 2 : Créer des modèles de ML avec TensorFlow

15개 동영상 (총 65분), 5 quizzes
15개의 동영상
Qu'est-ce que TensorFlow ?5m
Éléments de base de TensorFlow5m
Présentation de l'atelier : Premiers pas avec TensorFlow7
Évaluation de l'atelier sur TensorFlow10m
API Estimator8m
Machine learning avec tf.estimator15
Évaluation de l'atelier sur l'API Estimator7m
Concevoir des modèles de ML efficaces6m
Présentation de l'atelier : Refactorisation pour le regroupement et la création de caractéristiques38
Évaluation de l'atelier sur la refactorisation4m
Procéder à l'apprentissage et à l'évaluation4m
Surveillance1m
Présentation de l'atelier : Apprentissage distribué et surveillance2m
Évaluation de l'atelier : Apprentissage distribué et surveillance7m
1개 연습문제
Questionnaire du module 230m
완료하는 데 2시간 필요

Module 3 : Faire évoluer les modèles de ML avec Cloud ML Engine

7개 동영상 (총 28분), 2 quizzes
7개의 동영상
Pourquoi utiliser Cloud ML Engine6m
Processus de développement1m
Empaqueter un outil d'entraînement3m
TensorFlow Serving3m
Atelier : Mise à l'échelle du ML39
Évaluation de l'atelier : Mise à l'échelle du ML10m
1개 연습문제
Questionnaire du module 330m
완료하는 데 3시간 필요

Module 4 : Extraction de caractéristiques

16개 동영상 (총 92분), 2 quizzes
16개의 동영상
Caractéristiques pertinentes7m
Causalité8m
Numérique5m
Exemples suffisants7m
Des données brutes aux caractéristiques1m
Caractéristiques catégoriques8m
Croisements de caractéristiques3m
Mise en bucket3m
Modèles larges et profonds5m
Cas d'utilisation de l'extraction de caractéristiques3m
Présentation de l'atelier : Extraction de caractéristiques3m
Évaluation de l'atelier : Extraction de caractéristiques10m
Réglage des hyperparamètres et démonstration15m
Niveaux d'abstraction du ML4m
Résumé1m
1개 연습문제
Questionnaire du module 430m

Google 클라우드 정보

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....

Data Engineering on Google Cloud Platform en Français 전문 분야 정보

Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud Platform. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning. Ce cours traite des données par flux ainsi que des données structurées et non structurées. Ce cours permet aux participants d'acquérir les compétences suivantes : • Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform • Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc • Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow • Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery • Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML • Obtenir des insights immédiats à partir de données par flux Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data. 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...
Data Engineering on Google Cloud Platform en Français

자주 묻는 질문

  • 예. 등록하기 전에 첫 번째 비디오를 미리 보고 강의 계획을 검토할 수 있습니다. 미리 보기에 포함되지 않은 콘텐츠를 이용하려면 강좌를 구매해야 합니다.

  • 세션 시작일 전에 강좌에 등록하면 해당 강좌의 모든 강의 비디오 및 읽기 자료에 접근할 수 있습니다. 수업이 시작되면 과제를 제출할 수 있습니다.

  • 등록 후 세션이 시작되면 읽기 자료 항목 및 강좌 토론 포럼을 포함하여 모든 비디오와 기타 리소스를 이용할 수 있습니다. 연습 평가를 보고 제출하며 필요한 성적 평가 과제를 완료하여 성적을 받고 강좌 수료증을 취득할 수 있습니다.

  • 강좌를 성공적으로 수료하면 전자 강좌 수료증이 성취도 페이지에 추가됩니다. 해당 페이지에서 강좌 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다.

  • 이 강좌는 현재 Coursera에서 수업료를 결제했거나 재정 지원(해당하는 경우)을 받은 학습자만 이용할 수 있는 강좌입니다.

  • Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:

    • Knowledge of Google Cloud Platform

    • Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera

    • Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera

    • Knowledge of Python and familiarity with the numpy package

    • Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera

  • To be eligible for the free trial, you will need:

    - Google account (Google is currently blocked in China)

    - Credit card or bank account

    - Terms of service

    Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602

    More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/

    For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/

  • If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.

  • View this page for more details: https://cloud.google.com/free-trial/docs/

  • Yes, this online course is based on the instructor-led training formerly known as CPB102.

  • The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/

  • Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.