课程信息

100% 在线

立即开始,按照自己的计划学习。

可灵活调整截止日期

根据您的日程表重置截止日期。

中级

完成时间大约为11 小时

建议:1 semaine d'étude, 8 à 12 heures par semaine...

法语(French)

字幕:法语(French), 巴西葡萄牙语, 德语(German), 英语(English), 西班牙语(Spanish), 日语...

100% 在线

立即开始,按照自己的计划学习。

可灵活调整截止日期

根据您的日程表重置截止日期。

中级

完成时间大约为11 小时

建议:1 semaine d'étude, 8 à 12 heures par semaine...

法语(French)

字幕:法语(French), 巴西葡萄牙语, 德语(German), 英语(English), 西班牙语(Spanish), 日语...

教学大纲 - 您将从这门课程中学到什么

1
完成时间为 1 小时

Introduction au machine learning sans serveur sur Google Cloud Platform

2 个视频 (总计 5 分钟), 1 个测验
2 个视频
Considérations concernant le machine learning2分钟
1 个练习
Test de préparation pour la formation sur le machine learning30分钟
完成时间为 3 小时

Module 1 : Premiers pas avec le machine learning

21 个视频 (总计 109 分钟), 2 个测验
21 个视频
Types de ML3分钟
Pipeline du ML2分钟
Variantes d'un modèle de ML7分钟
Formuler un problème de ML2分钟
Se familiariser avec le machine learning (ML)8分钟
Optimisation9分钟
Environnement bac à sable pour les réseaux de neurones18分钟
Combinaison de caractéristiques3分钟
Extraction de caractéristiques3分钟
Modèles d'images5分钟
Efficacité du ML2分钟
Caractéristiques d'un ensemble de données de qualité5分钟
Métriques d'erreurs3分钟
Précision2分钟
Précision et rappel5分钟
Créer des ensembles de données pour le machine learning3分钟
Scinder un ensemble de données6分钟
Blocs-notes Python1分钟
Présentation de l'atelier : Créer des ensembles de données pour le ML3分钟
Évaluation de l'atelier : Créer des ensembles de données pour le ML2分钟
1 个练习
Questionnaire du module 130分钟
完成时间为 6 小时

Module 2 : Créer des modèles de ML avec TensorFlow

15 个视频 (总计 65 分钟), 5 个测验
15 个视频
Qu'est-ce que TensorFlow ?5分钟
Éléments de base de TensorFlow5分钟
Présentation de l'atelier : Premiers pas avec TensorFlow7
Évaluation de l'atelier sur TensorFlow10分钟
API Estimator8分钟
Machine learning avec tf.estimator15
Évaluation de l'atelier sur l'API Estimator7分钟
Concevoir des modèles de ML efficaces6分钟
Présentation de l'atelier : Refactorisation pour le regroupement et la création de caractéristiques38
Évaluation de l'atelier sur la refactorisation4分钟
Procéder à l'apprentissage et à l'évaluation4分钟
Surveillance1分钟
Présentation de l'atelier : Apprentissage distribué et surveillance2分钟
Évaluation de l'atelier : Apprentissage distribué et surveillance7分钟
1 个练习
Questionnaire du module 230分钟
完成时间为 2 小时

Module 3 : Faire évoluer les modèles de ML avec Cloud ML Engine

7 个视频 (总计 28 分钟), 2 个测验
7 个视频
Pourquoi utiliser Cloud ML Engine6分钟
Processus de développement1分钟
Empaqueter un outil d'entraînement3分钟
TensorFlow Serving3分钟
Atelier : Mise à l'échelle du ML39
Évaluation de l'atelier : Mise à l'échelle du ML10分钟
1 个练习
Questionnaire du module 330分钟
完成时间为 3 小时

Module 4 : Extraction de caractéristiques

16 个视频 (总计 92 分钟), 2 个测验
16 个视频
Caractéristiques pertinentes7分钟
Causalité8分钟
Numérique5分钟
Exemples suffisants7分钟
Des données brutes aux caractéristiques1分钟
Caractéristiques catégoriques8分钟
Croisements de caractéristiques3分钟
Mise en bucket3分钟
Modèles larges et profonds5分钟
Cas d'utilisation de l'extraction de caractéristiques3分钟
Présentation de l'atelier : Extraction de caractéristiques3分钟
Évaluation de l'atelier : Extraction de caractéristiques10分钟
Réglage des hyperparamètres et démonstration15分钟
Niveaux d'abstraction du ML4分钟
Résumé1分钟
1 个练习
Questionnaire du module 430分钟

关于 Google 云端平台

We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success....

关于 Data Engineering on Google Cloud Platform en Français 专项课程

Cette formation de spécialisation en ligne d'une durée de cinq semaines présente en pratique comment concevoir et développer des systèmes de traitement des données sur Google Cloud Platform. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprennent à concevoir des systèmes de traitement de données, à créer des pipelines de données de bout en bout, à analyser des données et à exécuter des tâches de machine learning. Ce cours traite des données par flux ainsi que des données structurées et non structurées. Ce cours permet aux participants d'acquérir les compétences suivantes : • Concevoir et développer des systèmes de traitement de données sur Google Cloud Platform • Exploiter des données non structurées à l'aide de Spark et des API de ML sur Cloud Dataproc • Traiter des données par lot ou par flux en mettant en œuvre des pipelines de données d'autoscaling sur Cloud Dataflow • Obtenir des informations métier à partir de très grands ensembles de données à l'aide de Google BigQuery • Entraîner, évaluer et effectuer des prédictions à l'aide de modèles de machine learning avec TensorFlow et Cloud ML • Obtenir des insights immédiats à partir de données par flux Ce cours s'adresse aux développeurs expérimentés qui se chargent de réaliser des opérations de transformation du big data. 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...
Data Engineering on Google Cloud Platform en Français

常见问题

  • 是的,您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程,才能访问预览不包括的内容。

  • 如果您决定在班次开始日期之前注册课程,那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后,您便可以提交作业。

  • 在您注册且班次开课之后,您将可以访问所有视频和其他资源,包括阅读材料内容和课程论坛。您将能够查看和提交练习作业,并完成所需的评分作业以获得成绩和课程证书。

  • 如果您成功完成课程,您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。

  • 该课程是 Coursera 上提供的为数不多的课程之一,目前只对已购买课程或已获得助学金的学生开放。

  • Before enrolling in this course, participants should have roughly one (1) year of experience with one or more of the following:

    • Knowledge of Google Cloud Platform

    • Big Data & Machine Learning Fundamentals to the level of "Google Cloud Platform Big Data and Machine Learning Fundamentals" on Coursera

    • Knowledge of BigQuery and Dataflow to the level of "Serverless Data Analysis with Google BigQuery and Cloud Dataflow" on Coursera

    • Knowledge of Python and familiarity with the numpy package

    • Knowledge of undergraduate-level statistics to the level of a Basic Statistics course on Coursera

  • To be eligible for the free trial, you will need:

    - Google account (Google is currently blocked in China)

    - Credit card or bank account

    - Terms of service

    Note: There is a known issue with certain EU countries where individuals are not able to sign up, but you may sign up as "business" status and intend to see a potential economic benefit from the trial. More details at: https://support.google.com/cloud/answer/6090602

    More Google Cloud Platform free trial FAQs are available at: https://cloud.google.com/free-trial/

    For more details on how the free trial works, visit our documentation page: https://cloud.google.com/free-trial/docs/

  • If your current Google account is no longer eligible for the Google Cloud Platform free trial, you can create another Google account. Your new Google account should be used to sign up for the free trial.

  • View this page for more details: https://cloud.google.com/free-trial/docs/

  • Yes, this online course is based on the instructor-led training formerly known as CPB102.

  • The course covers the topics presented on the certification exam, however we recommend additional preparation including hands-on product experience. The best preparation for certification is real-world, hands-on experience. Review the Google Certified Professional Data Engineer certification preparation guide for further information and resources at https://cloud.google.com/certification/guides/data-engineer/

  • Google’s Certification Program gives customers and partners a way to demonstrate their technical skills in a particular job-role and technology. Individuals are assessed using a variety of rigorously developed industry-standard methods to determine whether they meet Google’s proficiency standards. Read more at https://cloud.google.com/certification/

还有其他问题吗?请访问 学生帮助中心