🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
GCP100AIML

Introduction à l'IA et au machine learning sur Google Cloud

Ce cours présente les offres d'IA et de machine learning (ML) sur Google Cloud qui permettent de créer des projets d'IA prédictive et générative. Il explore les technologies, les produits et les outils disponibles tout au long du cycle de vie de la donnée à l'IA, englobant les fondements de l'IA, le développement et les solutions. Il vise à aider les scientifiques des données, les développeurs d'IA et les ingénieurs ML à renforcer leurs compétences et leurs connaissances grâce à des expériences d'apprentissage engageantes et des exercices pratiques.

Google Cloud
✓ Formation officielle Google CloudNiveau Fondamentaux⏱️ 1 jour (7h)

Ce que vous allez apprendre

  • Reconnaître les technologies et les outils de la donnée à l'IA fournis par Google Cloud.
  • Créer des projets d'IA générative en utilisant Gemini multimodal, des invites efficaces et l'ajustement de modèles.
  • Explorer diverses options pour développer un projet d'IA sur Google Cloud.
  • Créer un modèle de ML de bout en bout en utilisant Agent Platform.
  • Identifier les composants d'infrastructure essentiels de Google Cloud qui prennent en charge l'IA et le ML.
  • Créer et évaluer des modèles de machine learning directement dans BigQuery en utilisant BigQuery ML.
  • Comparer les API pré-entraînées, AutoML et les options d'entraînement personnalisé sur Google Cloud pour sélectionner la méthode de construction de modèle appropriée.
  • Utiliser des API pré-entraînées, telles que l'API Natural Language, pour effectuer une analyse de texte.
  • Expliquer les concepts et les outils MLOps pour automatiser les flux de travail de machine learning sur Google Cloud.

Prérequis

  • Disposer d'un ou plusieurs des éléments suivants :
  • Connaissances de base des concepts du machine learning
  • Expérience préalable avec des langages de programmation tels que SQL et Python

Public cible

  • Développeurs IA professionnels, scientifiques des données et ingénieurs ML qui souhaitent créer des projets d'IA prédictive et générative sur Google Cloud.

Programme de la Formation

6 modules pour maîtriser les fondamentaux

Objectifs
  • Définir l'objectif du cours.
  • Reconnaître les objectifs du cours.
Sujets abordés
  • →Introduction au cours
Objectifs
  • Reconnaître le cadre IA/ML sur Google Cloud.
  • Identifier les principaux composants de l'infrastructure Google Cloud.
  • Définir les produits de données et de ML sur Google Cloud et comment ils prennent en charge le cycle de vie de la donnée à l'IA.
  • Construire un modèle de ML avec BigQueryML pour amener les données à l'IA.
Sujets abordés
  • →Pourquoi l'IA ?
  • →Cadre IA/ML sur Google Cloud
  • →Infrastructure Google Cloud
  • →Produits de données et d'IA
  • →Catégories de modèles de ML
  • →BigQuery ML
  • →Introduction au labo : BigQuery ML
Activités

Labo : Prédire les achats des visiteurs avec BigQuery ML

Quiz

Lecture

Objectifs
  • Définir différentes options pour construire un modèle de ML sur Google Cloud.
  • Reconnaître les principales caractéristiques et les situations applicables des API pré-entraînées, d'AutoML et de l'entraînement personnalisé.
  • Utiliser l'API Natural Language pour analyser du texte.
Sujets abordés
  • →Options de développement de l'IA
  • →API pré-entraînées
  • →Agent Platform
  • →AutoML
  • →Entraînement personnalisé
  • →Introduction au labo : API Natural Language
Activités

Labo : Analyse d'entités et de sentiments avec l'API Natural Language

Quiz

Lecture

Objectifs
  • Définir le flux de travail de la construction d'un modèle de ML.
  • Décrire le MLOps et l'automatisation du flux de travail sur Google Cloud.
  • Construire un modèle de ML de bout en bout en utilisant AutoML sur Agent Platform.
Sujets abordés
  • →Flux de travail ML
  • →Préparation des données
  • →Développement de modèles
  • →Mise en service des modèles
  • →MLOps et automatisation du flux de travail
  • →Introduction au labo : AutoML
  • →Comment une machine apprend
Activités

Labo : Agent Platform : Prédire le risque de prêt avec AutoML

Quiz

Lecture

Objectifs
  • Définir l'IA générative et les modèles de fondation.
  • Utiliser Gemini multimodal avec Agent Studio.
  • Concevoir des invites efficaces et ajuster des modèles avec différentes méthodes.
  • Reconnaître les solutions d'IA et les fonctionnalités d'IA générative intégrées.
Sujets abordés
  • →IA générative et flux de travail
  • →Gemini multimodal
  • →Conception d'invites
  • →Ajustement de modèles
  • →Model Garden
  • →Solutions d'IA
  • →Introduction au labo : Agent Studio
Activités

Labo : Démarrer avec Agent Studio

Quiz

Lecture

Objectifs
  • Reconnaître les principaux concepts, outils, technologies et produits appris dans le cours.
Sujets abordés
  • →Résumé du cours
Activités

Lecture

Formations associées

Google Cloud

Agent Platform pour les praticiens du machine learning

Ce cours d'une journée animé par un formateur s'adresse aux ingénieurs et aux data scientists familiarisés avec les modèles de machine learning qui souhaitent maîtriser l'utilisation d'Agent Platform pour les workflows de modèles personnalisés. Ce cours pratique vous propose une exploration approfondie des fonctionnalités essentielles d'Agent Platform, afin de vous permettre d'exploiter efficacement ses outils et ses capacités pour vos projets de ML.

1 j
Intermédiaire
Google Cloud

Développement d'applications avec les LLM sur Google Cloud

Dans ce cours, vous plongez dans les détails de l'utilisation des grands modèles de langage (LLM) dans vos applications. Vous commencez par explorer les principes fondamentaux qui sous-tendent le prompting des LLM. Ensuite, vous vous concentrez sur la dernière famille de modèles de Google, Gemini. Vous explorez les différents modèles Gemini et leurs capacités multimodales. Cela inclut une exploration approfondie de la conception et de l'ingénierie de prompts efficaces dans l'environnement Agent Studio. Puis, le cours aborde les frameworks de développement d'applications et la façon d'implémenter ces concepts dans vos applications.

1 j
Intermédiaire
Google Cloud

Développer la Recherche et les Agents avec des Applications d'IA

Dans ce cours, vous apprendrez à utiliser Agent Search et Conversational Agents pour créer des moteurs de recherche et des applications de chat. Vous apprendrez à exploiter Agent Search pour ancrer vos applications basées sur l'IA générative. Vous explorerez ensuite comment intégrer ces moteurs de recherche et applications de chat dans vos propres applications. Enfin, vous apprendrez à utiliser les agents intégrés dans AI Applications dans des flux de travail multi-agents.

1 j
Intermédiaire
Voir toutes les formations →

Prochaines sessions

30 septembre 2026
Distanciel • Français
S'inscrire
28 octobre 2026
Distanciel • Français
S'inscrire
26 novembre 2026
Distanciel • Français
S'inscrire
21 décembre 2026
Distanciel • Français
S'inscrire

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
  • Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

790€ € HT

par apprenant

RéserverDevis