GCP200MLEXAMPREP
Préparation à la certification Professional Machine Learning Engineer
Ce cours aide les apprenants à créer un plan d'étude pour l'examen de certification PMLE (Professional Machine Learning Engineer). Les apprenants explorent l'étendue et la portée des domaines couverts par l'examen. Les apprenants évaluent leur état de préparation à l'examen et créent leur plan d'étude individuel.
Ce que vous allez apprendre
- Lister les domaines couverts par l'examen de certification Professional Machine Learning Engineer (PMLE).
- Identifier les lacunes dans vos connaissances et compétences pour chaque domaine.
- Identifier les ressources et les supports d'apprentissage disponibles pour développer vos connaissances et compétences.
- Créer un plan d'étude pour préparer l'examen de certification PMLE.
Prérequis
- Une certaine familiarité avec les concepts de base de l'apprentissage automatique
- Expérience avec les produits Google Cloud tels que Vertex AI, BigQuery et Cloud Storage
Public cible
- Googlers, partenaires et clients se préparant à l'examen de certification Professional Machine Learning Engineer
Programme de la Formation
8 modules pour maîtriser les fondamentaux
Objectifs
- Expliquer la valeur de la certification Google PMLE
- Décrire le rôle d'un Professional Machine Learning Engineer
- Expliquer ce qu'est Cymbal Retail et comment l'entreprise sera utilisée tout au long du cours.
- Identifier les ressources pour soutenir votre parcours de certification
Sujets abordés
- →Agenda du cours
- →La valeur de la certification Google PMLE
- →Le rôle d'un PMLE
- →À propos de Cymbal Retail (entreprise fictive utilisée dans le cours)
- →Ressources pour soutenir votre parcours de certification
- →Création d'un plan d'étude
Objectifs
- Identifier votre niveau de connaissance dans le développement et la mise en œuvre de solutions d'apprentissage automatique BigQuery ML et AutoML.
- Déterminer les compétences nécessaires pour sélectionner les API ML appropriées, préparer efficacement les données et construire des modèles personnalisés à l'aide d'AutoML.
Sujets abordés
- →Comprendre les segments de clientèle à l'aide de BigQuery et d'un modèle de clustering.
- →Prédire la valeur client à l'aide d'AutoML sur un jeu de données client.
- →Construire un assistant IA conversationnel pour les clients à l'aide de Vertex AI Agent Builder et de la génération augmentée par récupération (RAG).
- →Questions diagnostiques
- →Révision et planification de l'étude
Activités
Cours magistral
Questions diagnostiques
Quiz
Objectifs
- Identifier votre niveau de connaissance dans l'exploration, le prétraitement et la gestion des données à l'échelle de l'organisation.
- Identifier votre niveau de connaissance dans la gestion des implications de confidentialité et l'utilisation d'outils comme Vertex AI Feature Store.
- Déterminer les compétences nécessaires pour prototyper des modèles à l'aide de notebooks Jupyter sur Google Cloud.
- Déterminer les compétences nécessaires pour sélectionner les backends appropriés, mettre en œuvre les meilleures pratiques de sécurité et s'intégrer aux dépôts de code.
Sujets abordés
- →Utiliser les produits Google Cloud et les données de Cymbal Retail pour concevoir un modèle prédisant quels clients à forte valeur sont susceptibles d'arrêter leurs achats (attrition client).
- →Répondre aux questions diagnostiques.
- →Réviser les informations et planifier votre étude.
Activités
Cours magistral
Questions diagnostiques
Quiz
Objectifs
- Identifier votre niveau de connaissance dans la mise à l'échelle des prototypes ML en modèles prêts pour la production.
- Identifier votre niveau de connaissance dans la sélection des frameworks ML appropriés, des architectures de modèles et des techniques de modélisation basées sur les exigences d'interprétabilité.
- Déterminer les compétences nécessaires pour entraîner efficacement les modèles, y compris l'organisation et l'ingestion des données d'entraînement sur Google Cloud.
- Déterminer les compétences nécessaires pour utiliser les techniques d'entraînement distribué, effectuer le réglage des hyperparamètres et résoudre les problèmes d'entraînement.
Sujets abordés
- →Utiliser les produits Google Cloud et les données de Cymbal Retail pour construire et faire évoluer un prototype d'attrition client en un modèle prêt pour la production.
- →Répondre aux questions diagnostiques.
- →Réviser les informations et planifier votre étude.
Activités
Cours magistral
Questions diagnostiques
Quiz
Objectifs
- Identifier le niveau de connaissance nécessaire pour servir efficacement des modèles en production.
- Identifier le niveau de connaissance nécessaire pour choisir entre l'inférence par lots et en ligne, utiliser divers frameworks de service, organiser un registre de modèles et mener des tests A/B pour l'optimisation des modèles.
- Déterminer les compétences nécessaires pour mettre à l'échelle le service de modèles en ligne, y compris l'utilisation de Vertex AI Feature Store.
- Déterminer les compétences nécessaires pour gérer les endpoints publics et privés, choisir le matériel approprié, optimiser les backends de service pour le débit et affiner les modèles pour des performances optimales en production.
Sujets abordés
- →Utiliser les produits Google Cloud et les données de Cymbal Retail pour déployer un modèle d'attrition client et l'utiliser en production pour l'inférence.
- →Répondre aux questions diagnostiques.
- →Réviser les informations et planifier votre étude.
Activités
Cours magistral
Questions diagnostiques
Quiz
Objectifs
- Identifier le niveau de connaissance nécessaire pour développer et maintenir des pipelines ML de bout en bout.
- Identifier le niveau de connaissance nécessaire pour valider les données et le modèle, le prétraitement cohérent, les options d'hébergement, l'identification des composants, le paramétrage, les mécanismes de déclenchement, les besoins en calcul et les stratégies d'orchestration.
- Déterminer les compétences nécessaires pour automatiser le ré-entraînement des modèles, y compris l'établissement de politiques de ré-entraînement.
- Déterminer les compétences nécessaires pour mettre en œuvre le déploiement CI/CD des modèles, et suivre et auditer les métadonnées (artefacts de modèles, versions, lignée des données).
Sujets abordés
- →Utiliser les produits Google Cloud pour orchestrer l'ensemble du pipeline d'apprentissage automatique pour une exécution transparente et une amélioration continue avec l'attrition client.
- →Répondre aux questions diagnostiques.
- →Réviser les informations et planifier votre étude.
Activités
Cours magistral
Questions diagnostiques
Quiz
Objectifs
- Identifier le niveau de connaissance nécessaire pour évaluer et atténuer les risques dans les solutions ML.
- Identifier le niveau de connaissance nécessaire pour construire des systèmes ML sécurisés, s'aligner sur les pratiques d'IA responsable, évaluer la préparation des solutions et utiliser l'explicabilité des modèles sur Vertex AI.
- Déterminer les compétences nécessaires pour surveiller, tester et résoudre les problèmes des solutions ML.
- Déterminer les compétences nécessaires pour établir des métriques d'évaluation continues, surveiller le décalage entraînement-service et la dérive des caractéristiques, comparer les performances des modèles aux références et investiguer les erreurs courantes d'entraînement et de service.
Sujets abordés
- →Utiliser les produits Google Cloud pour garantir que le modèle d'attrition client reste robuste, fiable et aligné avec les principes d'IA responsable de Google.
- →Répondre aux questions diagnostiques.
- →Réviser les informations et planifier votre étude.
Activités
Cours magistral
Questions diagnostiques
Quiz
Objectifs
- Examiner un exemple de plan d'étude pour l'examen
- Apprendre comment s'inscrire à l'examen
Sujets abordés
- →Un exemple de plan d'étude pour l'examen
- →Comment s'inscrire à l'examen
Activités
Créer votre plan d'étude pour l'examen
Identifier une date pour passer l'examen en fonction de votre plan
S'inscrire à l'examen
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.
- 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.
Prochaines sessions
Aucune date ne vous convient ?
Nous organisons régulièrement de nouvelles sessions. Contactez-nous pour connaître les prochaines dates disponibles ou pour organiser une session à la date de votre choix.
S'inscrire à une date personnaliséeFormer plusieurs collaborateurs
- Tarifs dégressifs (plusieurs places)
- Session privée ou sur-mesure
- En présentiel ou à distance