Aller au contenu principal

Google Cloud Professional ML Engineer

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000292536
Organisme responsable : IDCACADEMY (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

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…

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…

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

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Modalités pédagogiques

Groupe de 12 stagiaires maximum, formateur expert du domaine. Apports théoriques et travaux pratiques sur environnement dédié. Présentiel Paris 8e, classe virtuelle ou mixte. Supports adaptables au ha

Durée

En centre

28 h

Financement

Conventionnement
Non
Conditions de prise en charge
Tarif : 2400 € net de taxe (4 j à 600 €/jour). Financement possible : plan de développement des compétences, OPCO, AIF ou POEI France Travail, aides régionales dont Recrut'up, financement personnel ou employeur.

Conditions d'accès

Public visé

  • Tout public

Informations sur les publics

Data Scientists, ML Engineers, développeurs IA souhaitant maîtriser l'écosystème Google Cloud ML. Ouvert aux salariés, demandeurs d'emploi, indépendants et particuliers. Accessible aux personnes en situation de handicap (référent dédié).

Modalités de recrutement et d'admission

Entretien ou RDV individuel

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

Notions de machine learning (supervised/unsupervised). Python requis. Expérience cloud appréciée. Un entretien de positionnement valide le profil avant l'entrée en formation.

Lieu de réalisation de l'action

Modalités d'enseignement

Formation mixte

Adresse

58 RUE DE MONCEAU
75008 Paris 8e

Responsable : IDCACADEMY

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
IDCACADEMY
75008 Paris 8e
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates permanentes