Google Cloud Professional ML Engineer

Objectifs

Concevoir, construire et déployer des modèles de machine learning sur Google Cloud. Maîtriser Vertex AI, BigQuery ML, TensorFlow et les pipelines MLOps. Prépare à la certification Google Cloud Professional Machine Learning Engineer.

Objectifs pédagogiques :

• Concevoir et entraîner des modèles ML avec Vertex AI et TensorFlow.


• Construire des pipelines MLOps automatisés sur Google Cloud.


• Utiliser BigQuery ML pour du machine learning sur données massives.


• Déployer, monitorer et optimiser des modèles en production.


• Se préparer à la certification Google Cloud Professional Machine Learning Engineer.

Compétences visées :

• Machine Learning sur Google Cloud


• Vertex AI et TensorFlow


• MLOps et pipelines automatisés


• BigQuery ML


• Déploiement et monitoring de modèles

Prépare à la certification : Google Cloud Professional Machine Learning Engineer (Google Cloud).

Programme de la formation

Durée : 4 jour(s), soit 28 heures. Formation animée par un formateur expert du domaine, alternant apports théoriques et travaux pratiques. Programme adaptable aux besoins du commanditaire.
Module 1 — Fondamentaux ML sur Google Cloud (1 jour)

Contenus :

• Écosystème Google Cloud AI/ML


• Vertex AI : datasets, training, AutoML


• BigQuery ML : entraînement SQL-based


• Feature Store et gestion des données

Activités :

• Lab : entraînement AutoML sur Vertex AI

Résultats attendus :

• Maîtriser les services ML de Google Cloud

Module 2 — Entraînement et optimisation de modèles (1 jour)

Contenus :

• TensorFlow sur Vertex AI Training


• Hyperparameter tuning


• Distributed training


• Gestion des expériences avec Vertex AI Experiments

Activités :

• Lab : entraînement distribué TensorFlow sur Vertex AI

Résultats attendus :

• Entraîner et optimiser des modèles ML en production

Module 3 — MLOps et pipelines (1 jour)

Contenus :

• Vertex AI Pipelines (Kubeflow)


• CI/CD pour ML : Cloud Build, Artifact Registry


• Model monitoring et drift detection


• Vertex AI Model Registry

Activités :

• Lab : pipeline MLOps complet sur Vertex AI

Résultats attendus :

• Construire des pipelines MLOps automatisés

Module 4 — Déploiement et cas avancés (1 jour)

Contenus :

• Vertex AI Endpoints : déploiement et A/B testing


• Batch predictions vs online predictions


• IA responsable : Explainable AI, fairness


• Préparation à la certification

Activités :

• Lab : déploiement et monitoring d'un modèle en production

Résultats attendus :

• Déployer et monitorer des modèles ML en production

Modalités d'évaluation : évaluation continue par travaux pratiques et quiz de fin de module. Une attestation de fin de formation précisant les acquis est remise à chaque stagiaire.

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique