Introduction à l'IA et au Machine Learning sur Google Cloud
Ce cours présente les offres d'intelligence artificielle (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 des données 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 améliorer leurs compétences et leurs connaissances grâce à des expériences d'apprentissage engageantes et des exercices pratiques.

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 Vertex AI.
Prérequis
- 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 souhaitant 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 soutiennent 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
- →Vertex AI
- →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 Vertex AI.
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 : Vertex AI : Prédire le risque de prêt avec AutoML
Quiz
Lecture
Objectifs
- Définir l'IA générative et les modèles de fondation.
- Utiliser Gemini multimodal avec Vertex AI 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 : Vertex AI Studio
Activités
Labo : Démarrer avec Vertex AI Studio
Quiz
Lecture
Objectifs
- Reconnaître les principaux concepts, outils, technologies et produits appris dans le cours.
Sujets abordés
- →Résumé du cours
Activités
Lecture
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
- 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).
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.
Prochaines sessions
Former plusieurs collaborateurs
- Tarifs dégressifs (plusieurs places)
- Session privée ou sur-mesure
- En présentiel ou à distance