Machine Learning sur Google Cloud (MLGC)
Mettez en œuvre vos projets d’IA avec les services natifs de Google Cloud !
Vue d'ensemble
Compréhension des concepts fondamentaux du machine learning.
Connaissance de base d’un langage de programmation (Python recommandé).
Bonne lecture de l’anglais technique (supports de cours en anglais).
Objectifs pédagogiques
Programme détaillé
Introduction et contexte
Présentation de la formation, objectifs pédagogiques et tour de table des participants. Panorama du domaine et positionnement des technologies abordées.
Modèles de classification et régression
Algorithmes fondamentaux : régression linéaire/logistique, arbres de décision, forêts aléatoires, SVM. Évaluation des performances.
Entraînement et comparaison de modèles sur un cas métier
Préparation et exploration des données
Collecte, nettoyage et transformation des données. Analyse exploratoire (EDA), visualisation et feature engineering.
Exploration d’un dataset réel avec pandas et matplotlib
Introduction à l'IA et au Machine Learning
Définitions, histoire et cas d’usage de l’IA. Types d’apprentissage : supervisé, non supervisé, par renforcement. Panorama des outils et frameworks.
Deep Learning et réseaux de neurones
Perceptrons, réseaux convolutifs (CNN), réseaux récurrents (RNN/LSTM). Transfer learning et fine-tuning.
Implémentation d’un réseau de neurones avec TensorFlow/PyTorch
IA générative et LLM
Transformers, GPT, BERT. Prompt engineering, RAG (Retrieval-Augmented Generation). Déploiement et éthique de l’IA.
Création d’un assistant IA avec API OpenAI et RAG
Bilan et perspectives
Synthèse des points clés abordés. Recommandations pour la mise en pratique en entreprise. Ressources complémentaires et parcours de progression.
Exercice de synthèse et plan d’action individuel
Prochaines sessions
Avis des participants
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
En savoir plus sur le financement