About this Course

100% online

Start instantly and learn at your own schedule.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 7 hours to complete

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

French

Subtitles: French, Portuguese (Brazilian), German, English, Spanish, Japanese...

100% online

Start instantly and learn at your own schedule.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Intermediate Level

Approx. 7 hours to complete

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

French

Subtitles: French, Portuguese (Brazilian), German, English, Spanish, Japanese...

Syllabus - What you will learn from this course

Week
1
11 minutes to complete

Introduction au machine learning sans serveur sur Google Cloud Platform

...
2 videos (Total 5 min), 1 quiz
1 practice exercise
Test de préparation pour la formation sur le machine learning6m
3 hours to complete

Module 1 : Premiers pas avec le machine learning

...
21 videos (Total 109 min), 2 quizzes
21 videos
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
1 practice exercise
Questionnaire du module 18m
5 hours to complete

Module 2 : Créer des modèles de ML avec TensorFlow

...
15 videos (Total 65 min), 5 quizzes
15 videos
Présentation de l'atelier : Premiers pas avec TensorFlow7s
Évaluation de l'atelier sur TensorFlow10m
API Estimator8m
Machine learning avec tf.estimator15s
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 caractéristiques38s
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
1 practice exercise
Questionnaire du module 28m
2 hours to complete

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

...
7 videos (Total 28 min), 2 quizzes
7 videos
Empaqueter un outil d'entraînement3m
TensorFlow Serving3m
Atelier : Mise à l'échelle du ML39s
Évaluation de l'atelier : Mise à l'échelle du ML10m
1 practice exercise
Questionnaire du module 34m
3 hours to complete

Module 4 : Extraction de caractéristiques

...
16 videos (Total 92 min), 2 quizzes
16 videos
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
1 practice exercise
Questionnaire du module 46m

About 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....

About the Data Engineering on Google Cloud Platform en Français Specialization

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

Frequently Asked Questions

  • 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.

  • 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.

  • 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.

  • 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.

  • 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.

  • 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/

More questions? Visit the Learner Help Center.