Présentation de la formation IA & Machine Learning avec Vertex AI
Plongez dans l’écosystème de l’IA sur Google Cloud grâce à cette formation IA & Machine Learning avec Vertex AI de 3 jours. Vous découvrirez les composants de Vertex AI (datasets, modèles, endpoints), apprendrez à préparer les données depuis BigQuery ou Cloud Storage, à entraîner des modèles via AutoML ou manuellement avec TensorFlow/Scikit-learn, puis à les déployer en production avec surveillance. Le troisième jour est consacré aux pipelines MLOps, à la supervision des modèles (performance, dérive) et à l’optimisation des coûts. Les ateliers pratiques vous permettront de créer un pipeline complet de bout en bout, de la donnée à la mise en production.
Objectifs de la formation IA & Machine Learning avec Vertex AI
Objectifs pédagogiques :
- Comprendre les concepts clés de l’IA et du Machine Learning dans le Cloud
- Découvrir l’écosystème Vertex AI et ses composants
- Créer, entraîner et déployer des modèles de Machine Learning avec Vertex AI
- Automatiser le cycle de vie ML (MLOps) dans GCP
Objectifs opérationnels :
- Concevoir, entraîner, déployer et superviser un modèle de machine learning sur GCP via Vertex AI, en intégrant les bonnes pratiques de MLOps, de surveillance et d’optimisation des coûts.
Programme de la formation IA & Machine Learning avec Vertex AI
Jour 1 – Introduction à Vertex AI & Préparation des données
Panorama de l’IA et du ML dans GCP
Présentation de Vertex AI : datasets, modèles, endpoints
Notebooks Jupyter dans Vertex AI Workbench
Chargement et préparation des données (BigQuery, Cloud Storage)
Lab pratique : importer un dataset et l’explorer avec Vertex AI Notebooks
Jour 2 – Entraînement & Déploiement de modèles
Entraînement de modèles avec AutoML (classification, régression, NLP, vision)
Entraînement personnalisé avec TensorFlow/Scikit-learn sur Vertex AI
Déploiement de modèles via endpoints Vertex AI
Gestion des versions de modèles
Lab pratique : entraîner et déployer un modèle de classification avec AutoML
Jour 3 – MLOps, Supervision & Cas pratiques
Introduction à MLOps avec Vertex AI Pipelines
Intégration CI/CD pour modèles ML
Supervision et monitoring des modèles (drift, performances)
Optimisation des coûts et bonnes pratiques
Projet fil rouge : construire un pipeline ML complet (dataset → entraînement → déploiement → monitoring)
Les autres formations en Intelligence Artificielle
AWS – Machine Learning avec SageMaker & IA Services
Créer, entraîner et déployer des modèles ML et utiliser les services IA managés d’AWS
Traitement Automatique du Langage Naturel (NLP) avec Python
Mettre en œuvre une pipeline NLP complète avec Python
Systèmes de recommandations & Recherche Sémantique
Concevoir un moteur de recherche sémantique ou de recommandation intelligente
Azure AI & Machine Learning (Azure ML, Cognitive Services)
Développer des applications intelligentes sur Azure avec Machine Learning, Cognitive Services et MLOps