Formation Apprenez le Machine Learning sur le Cloud de Google

01.Introduction au Machine Learning et à Google Cloud AI Platform

• —Qu'est-ce que le Machine Learning ? Cas d'usage et défis.
• —Survol des services Google Cloud pour le ML (AI Platform, Vertex AI).
• —Préparation de l'environnement GCP : projet, facturation, API.

02.Exploration et Préparation des Données sur Google Cloud

• —Stockage des données : Cloud Storage, BigQuery.
• —Nettoyage et transformation des données avec Dataflow/Dataproc.
• —Visualisation et analyse exploratoire des données.

03.Concepts Fondamentaux du Machine Learning

• —Types d'apprentissage : supervisé, non supervisé, par renforcement.
• —Modèles linéaires : régression, classification.
• —Métriques d'évaluation : précision, rappel, F1-score, RMSE.

04.Entraînement de Modèles avec Scikit-learn et AI Platform Notebooks

• —Utilisation des instances de Notebooks gérées par AI Platform.
• —Entraînement de modèles ML classiques (Scikit-learn).
• —Gestion des versions de code et des dépendances.

05.Introduction aux Réseaux de Neurones et TensorFlow sur GCP

• —Principes des réseaux de neurones : perceptron, propagation avant/arrière.
• —Prise en main de TensorFlow : Tensors, opérations.
• —Création d'un premier modèle de réseau de neurones simple.

06.Entraînement et Optimisation de Modèles TensorFlow sur AI Platform Training

• —Lancement de jobs d'entraînement distribués sur AI Platform Training.
• —Gestion des Hyperparamètres : tuning manuel, hyperparameter tuning.
• —Sauvegarde et restauration des modèles entraînés.

07.Déploiement de Modèles sur AI Platform Prediction

08.MLOps : Surveillance et Maintenance des Modèles

• —Journalisation des prédictions et des erreurs.
• —Surveillance des performances des modèles en production (Cloud Monitoring).
• —Détection de la dérive des données et du modèle.

09.Machine Learning Automatisé (AutoML) sur Google Cloud

10.Introduction au Deep Learning avec des Données d'Images

• —Réseaux de neurones convolutifs (CNN) : principes et architectures.
• —Transfert learning pour la classification d'images.
• —Entraînement d'un CNN sur AI Platform Training avec un dataset image.

11.Introduction au Deep Learning avec des Données Textuelles

• —Embeddings de mots : Word2Vec, GloVe.
• —Réseaux de neurones récurrents (RNN) et Transformers.
• —Applications : classification de texte, analyse des sentiments.

12.Bonnes Pratiques et Études de Cas Réelles

• —Pipeline MLOps de bout en bout sur Google Cloud.
• —Sécurité et gouvernance des données ML sur GCP.
• —Récapitulatif et discussion d'architectures ML sur Google Cloud.