Cette formation est-elle adaptée à mon niveau ?

Chaque fiche indique le niveau requis (Fondamental, Intermédiaire, Avancé) ainsi que les prérequis détaillés. En cas de doute, un test d'auto-évaluation est disponible directement sur la page.

La formation est-elle orientée théorie ou pratique ?

Nos formations alternent apports théoriques et travaux pratiques, pour mettre immédiatement en application les notions abordées.

Puis-je suivre cette formation à distance ?

Oui, la plupart de nos formations sont disponibles en présentiel et en classe à distance, avec le même contenu et le même niveau d'interaction avec le formateur.

Cette formation est-elle disponible en intra-entreprise ?

Oui. Nous pouvons l'organiser dans vos locaux, dans nos salles ou à distance, avec un programme adapté à votre contexte si nécessaire. Contactez notre service intra pour un devis.

Que se passe-t-il si une session est annulée ?

Nous nous engageons à maintenir les sessions garanties affichées. En cas d'annulation de notre part, nous vous proposons un report sur la prochaine session disponible.

Cette formation est-elle finançable via le CPF ?

Si la formation est éligible CPF, cela est indiqué sur la fiche avec le code de certification correspondant. Vous pouvez retrouver la formation directement sur Mon Compte Formation.

Mon employeur ou mon OPCO peut-il prendre en charge le coût ?

Oui. Contactez-nous pour obtenir une convention de formation et vérifier les possibilités de prise en charge via votre OPCO.

Machine Learning on Google Cloud

Apprenez à concevoir, déployer et industrialiser des modèles de machine learning sur Google Cloud

4,0/5

Avec 1 avis

Description de la formation Machine Learning Google Cloud

Qu'est-ce que le Machine Learning sur Google Cloud ?

Le Machine Learning sur Google Cloud repose sur un ensemble d’outils, de services et de frameworks intégrés qui permettent de développer, entraîner et déployer des modèles d’intelligence artificielle de manière efficace et scalable. Google Cloud propose notamment Vertex AI, BigQuery ML, TensorFlow et des API spécialisées pour accélérer les projets IA et data science.

Pourquoi suivre une formation Machine Learning on Google Cloud ?

Dans un monde où l’intelligence artificielle est au cœur des innovations, maîtriser l’écosystème Google Cloud est un atout stratégique. Suivre cette formation permet de comprendre comment créer, entraîner et déployer des modèles en production à grande échelle, tout en optimisant les performances et les coûts. C’est une compétence recherchée aussi bien par les data scientists que par les ingénieurs cloud et les architectes de solutions.

Introduction à l’IA et au machine learning sur Google Cloud

Reconnaître le framework AI/ML sur Google Cloud.
Identifier les principaux composants de l’infrastructure Google Cloud.
Définir les produits de données et de ML sur Google Cloud et la manière dont ils prennent en charge le cycle de vie des données vers l’IA.
Créez un modèle de ML avec BigQueryML pour transférer les données vers l’IA.
Définir différentes options pour créer un modèle de ML sur Google Cloud.
Reconnaître les principales fonctionnalités et les situations applicables des API pré-entraînées, d’AutoML et de l’entraînement personnalisé.
Utilisez l’API Natural Language pour analyser le texte.
Définir le flux de travail de création d’un modèle ML.
Décrire MLOps et l’automatisation des flux de travail sur Google Cloud.
Créer un modèle de ML de bout en bout à l’aide d’AutoML sur Vertex AI.
Définir l’IA générative et les grands modèles de langage.
Utiliser les capacités d’IA générative dans le développement de l’IA.
Reconnaître les solutions d’IA et les fonctionnalités d’IA générative intégrées.Travaux pratiques : Laboratoires pratiques
Quiz
Lectures

Se lancer dans le Machine Learning

Décrire comment améliorer la qualité des données.
Effectuer une analyse exploratoire des données.
Créer et entraîner des modèles d’apprentissage supervisé.
Décrire AutoML et comment créer, entraîner et déployer un modèle ML sans écrire une seule ligne de code.
Décrire BigQuery ML et ses avantages.
Optimiser et évaluer les modèles à l’aide de fonctions de perte et de mesures de performances.
Atténuer les problèmes courants qui surviennent dans le machine learning
Créer des jeux de données d’entraînement, d’évaluation et de test reproductibles et évolutifs.Travaux pratiques : Laboratoires pratiques
Quiz
Lectures

TensorFlow dans Google Cloud

Créer des modèles de machine learning TensorFlow et Keras.
Décrire les principaux composants de TensorFlow.
Utiliser la bibliothèque tf.data pour manipuler des données et des jeux de données volumineux.
Créer un modèle ML qui utilise les couches de prétraitement tf.keras.
Utiliser les API séquentielles et fonctionnelles Keras pour une création de modèles simple et avancée.
Entraîner, déployer et mettre en production des modèles de ML à grande échelle avec le service d’entraînement Vertex AI.Travaux pratiques : Laboratoires pratiques
Quiz
Lectures

Feature Engineering

Décrire le Feature Store de Vertex AI.
Comparer les principaux aspects requis d’une bonne feature.
Utiliser les utilitaires tf.keras.preprocessing pour travailler avec des données d’image, des données de texte et des données de séquence.
Effectuer le Feature Engineering à l’aide de BigQuery ML, Keras et TensorFlow.Travaux pratiques : Laboratoires pratiques
Quiz
Lectures

Machine Learning en Entreprise

Comprendre les outils requis pour la gestion et la gouvernance des données.
Décrire la meilleure approche pour le prétraitement des données : depuis la présentation de Dataflow et Dataprep jusqu’à l’utilisation de SQL pour les tâches de prétraitement.
Expliquer en quoi AutoML, BigQuery ML et l’entraînement personnalisé diffèrent et quand utiliser un framework particulier.
Décrire le réglage des hyperparamètres à l’aide de Vertex AI Vizier pour améliorer les performances du modèle.
Expliquer la prédiction et la surveillance des modèles, ainsi que la manière dont Vertex AI peut être utilisé pour gérer les modèles de ML.
Décrire les avantages de Vertex AI Pipelines.
Décrire les bonnes pratiques en matière de déploiement et de diffusion de modèles, de surveillance des modèles, de Vertex AI Pipelines et d’organisation des artefacts.Travaux pratiques : Laboratoires pratiques
Quiz
Lectures

Date de mise à jour du programme : 08/01/2026

Dates et lieux

Période souhaitée

Lieux

Type d'affichage

Distanciel

15 juin - 19 juin

14 septembre - 18 septembre

14 décembre - 18 décembre

Témoignages pour cette formation

1 avis

Les avis figurant ci-dessous sont issus des fiches d'évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.

Avis de BF

Retour d’expérience

Mon avis sur le contenu du stage :

"La formation semble cibler 2 publics différents : data scientists ayant déjà les compétences et voulant se former sur GCP et personnes sans compétences en machine learning. Il serait peut-être plus pertinent d'avoir 2 parcours différents : data science basic (avec les bases pour feature engineering, entraîner, évaluer les modèles... pour les profils plus data analists/data engineer) et un autre centré sur les outils GCP pour les personnes ayant déjà les compétences en ML avec plus de pratique sur les jobs, pipelines, vertex AI, etc..."

Ce que j'ai le plus apprécié :

"Echanges, réponses aux questions"

Développement d'applications avec les LLM sur Google Cloud

Durée: Durée :1 jour
Niveau: Niveau :Intermédiaire
Certification: Certification :Non

790€ HT

Prochaine session : 12/06/2026

Développer des applications de recherche et des agents intelligents avec Vertex AI

Durée: Durée :1 jour
Niveau: Niveau :Intermédiaire
Certification: Certification :Non

Développer des modèles de données avec LookML

Durée: Durée :1 jour
Niveau: Niveau :Intermédiaire
Certification: Certification :Non

Cloud Digital Leader training with Google Cloud

Durée: Durée :2 jours
Niveau: Niveau :Intermédiaire
Certification: Certification :GOOGLE cloud digital Leader

Voir toutes les formations Google Cloud Platform

Machine Learning on Google Cloud

Description de la formation Machine Learning Google Cloud

Programme de la formation

Objectifs de la formation

Contenu du cours Machine Learning Google Cloud

Introduction à l’IA et au machine learning sur Google Cloud

Se lancer dans le Machine Learning

TensorFlow dans Google Cloud

Feature Engineering

Machine Learning en Entreprise

Public et prérequis

Dates et lieux

Distanciel

Témoignages pour cette formation

Ces formations en Google Cloud Platform peuvent aussi vous intéresser

Questions fréquentes

Cette formation est-elle adaptée à mon niveau ?

La formation est-elle orientée théorie ou pratique ?

Puis-je suivre cette formation à distance ?

Cette formation est-elle disponible en intra-entreprise ?

Que se passe-t-il si une session est annulée ?

Cette formation est-elle finançable via le CPF ?

Mon employeur ou mon OPCO peut-il prendre en charge le coût ?

Témoignages pour cette formation

Ces formations en Google Cloud Platform peuvent aussi vous intéresser