このコースについて

共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約12時間で修了
フランス語
字幕:フランス語, ポルトガル語(ブラジル), ドイツ語, 英語, スペイン語, 日本語...
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
中級レベル
約12時間で修了
フランス語
字幕:フランス語, ポルトガル語(ブラジル), ドイツ語, 英語, スペイン語, 日本語...

提供:

Placeholder

Google Cloud

シラバス - 本コースの学習内容

1

1

3分で修了

Introduction

3分で修了
1件のビデオ (合計3分)
1件のビデオ
2時間で修了

L'art du ML

2時間で修了
10件のビデオ (合計29分)
10件のビデオ
Régularisation4 分
Régularisations L1 et L24 分
Présentation de l'atelier : Régularisation12
Atelier : Régularisation2 分
Taux d'apprentissage et taille de lot5 分
Optimisation1 分
S'exercer avec le code Tensorflow1 分
Présentation de l'atelier : Régler manuellement les modèles de ML18
Solution de l'atelier : Régler manuellement les modèles de ML7 分
2の練習問題
L'art du ML30 分
Taux d'apprentissage et taille de lots30 分
2時間で修了

Réglages des hyperparamètres

2時間で修了
5件のビデオ (合計8分)
5件のビデオ
Paramètres et hyperparamètres2 分
Aller au-delà de la recherche par quadrillage3 分
Présentation de l'atelier : Améliorer la précision d'un modèle avec les réglages d'hyperparamètres dans Cloud MLE23
Solution de l'atelier : Améliorer la précision d'un modèle avec les réglages d'hyperparamètres dans Cloud MLE30
1の練習問題
Réglages des hyperparamètres30 分
2

2

1時間で修了

Un zeste de science

1時間で修了
5件のビデオ (合計28分)
5件のビデオ
Régularisation à des fins de parcimonie5 分
Atelier : Régularisation L13 分
Solution de l'atelier : Régularisation L151
Régression logistique17 分
2の練習問題
Régularisation L130 分
Régression logistique30 分
3時間で修了

La science des réseaux de neurones

3時間で修了
6件のビデオ (合計70分)
6件のビデオ
Réseaux de neurones18 分
Atelier : Terrain de jeu des réseaux de neurones12 分
Entraîner les réseaux de neurones14 分
Atelier : Utiliser les réseaux de neurones pour créer un modèle de ML11 分
Réseaux de neurones à classes multiples10 分
2の練習問題
Entraîner les réseaux de neurones30 分
Réseaux de neurones à classes multiples30 分
3

3

1時間で修了

Représentations vectorielles continues

1時間で修了
7件のビデオ (合計31分)
7件のビデオ
Récapitulatif des représentations vectorielles continues5 分
Recommandations4 分
Représentations vectorielles continues basées sur les données3 分
Tensors creux4 分
Entraîner une représentation vectorielle continue4 分
Propriété de similarité7 分
1の練習問題
Représentations vectorielles continues30 分
2時間で修了

Instance Estimator personnalisée

2時間で修了
5件のビデオ (合計30分)
5件のビデオ
Fonction de modèle6 分
Atelier : Mettre en œuvre un Estimator personnalisé11 分
Modèles Keras4 分
Démonstration : Modèles Keras + Estimator2 分
1の練習問題
Instance Estimator personnalisée30 分
5分で修了

Récapitulatif

5分で修了
2件のビデオ (合計5分)
2件のビデオ
Résumé de la spécialisation2 分

Machine Learning with TensorFlow on Google Cloud Platform en Français専門講座について

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 Platform en Français

よくある質問

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。