GCP300VERTEXFORECAST
Prévision Vertex et Séries Temporelles en Pratique
Ce cours est une introduction à la création de solutions de prévision avec Google Cloud. Vous commencez par les modèles de séquence et les fondements des séries temporelles. Vous parcourez ensuite un flux de travail de bout en bout : de la préparation des données au développement et au déploiement de modèles avec Vertex AI. Enfin, vous apprenez les leçons et les conseils d'un cas d'utilisation dans le commerce de détail et appliquez ces connaissances en construisant vos propres modèles de prévision.
Ce que vous allez apprendre
- Comprendre les concepts principaux et les applications d'un modèle de séquence, des séries temporelles et de la prévision.
- Identifier les options pour développer un modèle de prévision sur Google Cloud.
- Décrire le flux de travail pour développer un modèle de prévision en utilisant Vertex AI.
- Préparer les données (y compris l'ingestion et l'ingénierie des caractéristiques) en utilisant BigQuery et les jeux de données gérés par Vertex.
- Entraîner un modèle de prévision et évaluer la performance en utilisant AutoML.
- Déployer et surveiller un modèle de prévision en utilisant les pipelines Vertex AI.
- Construire une solution de prévision de bout en bout en utilisant un jeu de données de commerce de détail.
Prérequis
- Connaissances de base de la syntaxe Python
- Compréhension de base des modèles d'apprentissage automatique
- Expérience préalable dans la création de solutions d'apprentissage automatique sur Google Cloud
Public cible
- Analystes de données professionnels, scientifiques des données et ingénieurs ML qui souhaitent construire des solutions de prévision haute performance de bout en bout sur Google Cloud et ajouter de l'automatisation au flux de travail.
Programme de la Formation
10 modules pour maîtriser les fondamentaux
Objectifs
- Identifier les raisons d'apprendre la prévision avec Vertex AI de Google.
- Apprendre les objectifs du cours.
Sujets abordés
- →Ce module aborde les raisons de construire une solution de prévision sur Google Cloud et présente les objectifs d'apprentissage.
Objectifs
- Identifier les différents types de modèles de séquence.
- Identifier les différents motifs et méthodes d'analyse des séries temporelles.
- Décrire les notations principales de la prévision.
Sujets abordés
- →Ce module fournit une base théorique sur les types de modèles de séquence, les motifs et l'analyse des séries temporelles, ainsi que les notations de prévision.
Activités
Quiz
Objectifs
- Identifier les options pour développer des modèles de prévision sur Google Cloud.
- Décrire Vertex AI et ses avantages.
- Explorer le flux de travail pour construire un modèle de prévision en utilisant Vertex AI.
Sujets abordés
- →Ce module présente deux options majeures pour construire une solution de prévision sur Google Cloud : BigQuery ML et Vertex AI Forecast (AutoML). Il examine également les caractéristiques uniques de Vertex AI Forecast et explore un flux de travail de bout en bout avec AutoML.
Activités
Lab : Construction de prévisions de la demande avec BigQuery ML
Quiz
Objectifs
- Préparer les données d'entrée pour répondre aux exigences de Vertex AI Forecasting.
- Démontrer différents types de caractéristiques.
- Décrire les meilleures pratiques pour l'étape d'ingestion des données.
Sujets abordés
- →Ce module explore la transformation des données originales vers les types de données et le format pris en charge par Vertex AI. Il présente également les différents types de caractéristiques dans les séries temporelles et les meilleures pratiques pour l'ingestion de données.
Activités
Quiz
Objectifs
- Configurer l'entraînement du modèle.
- Sélectionner l'objectif d'optimisation de l'entraînement approprié.
Sujets abordés
- →Ce module guide les apprenants à travers l'entraînement du modèle et démontre les détails de configuration tels que la configuration de la fenêtre de contexte, l'horizon de prévision et l'objectif d'optimisation.
Activités
Lab : Entraînement d'un modèle avec Vertex AI Forecast
Quiz
Objectifs
- Démontrer la division des données d'entraînement dans la prévision de séries temporelles.
- Décrire les métriques d'évaluation.
- Concevoir l'approche pour améliorer la performance.
Sujets abordés
- →Ce module décrit la division des données d'entraînement, démontre les métriques d'évaluation et recommande les approches pour améliorer la performance du modèle.
Activités
Quiz
Objectifs
- Déployer le modèle de prévision.
- Décrire les pipelines Vertex AI et MLOps
- Utiliser les prédictions par lots pour générer des prévisions de modèle.
Sujets abordés
- →Ce module démontre la prédiction du modèle, spécifiquement la prédiction par lots avec Vertex AI Forecast. Il explore également les opérations d'apprentissage automatique (MLOps) et la transition du développement à la production.
Activités
Quiz
Objectifs
- Décrire la dérive du modèle.
- Démontrer le réentraînement du modèle.
- Utiliser les pipelines Vertex AI et les SDK pré-construits pour automatiser le flux de travail de prévision.
Sujets abordés
- →Ce module décrit la dérive du modèle et l'approche du réentraînement du modèle. Il démontre également l'automatisation du flux de travail de prévision en utilisant les pipelines Vertex AI.
Activités
Lab (optionnel) : Construction d'un pipeline de prévision avec les SDK Python de Vertex AI
Quiz
Objectifs
- Décrire les étapes et les considérations pour construire une solution de prévision dans le commerce de détail.
- Démontrer le développement du modèle avec différents jeux de données.
- Identifier les défis et les leçons du développement d'un modèle de prévision dans le commerce de détail.
Sujets abordés
- →Ce module décrit un cas d'utilisation pour construire une solution de prévision avec Vertex AI Forecast dans un magasin de détail. Il démontre les étapes et les considérations, parcourt une étude pilote avec deux jeux de données différents, et discute des défis et des leçons apprises.
Activités
Lab : Développement d'une solution de prévision de bout en bout dans le commerce de détail
Objectifs
- Résumer les étapes pour construire un modèle de prévision avec Vertex AI.
Sujets abordés
- →Ce module aborde les principales caractéristiques de Vertex AI Forecast et résume les principaux sujets de chaque module.
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.
Prochaines sessions
5 février 2026
Distanciel • Français
21 mai 2026
Distanciel • Français
11 août 2026
Distanciel • Français
19 novembre 2026
Distanciel • Français
Former plusieurs collaborateurs
- Tarifs dégressifs (plusieurs places)
- Session privée ou sur-mesure
- En présentiel ou à distance