What Is Adversarial Machine Learning?
March 27, 2024
Article · 8 min read
Apprenez à utiliser le ML avec Google Cloud. Découvrez et utilisez le machine learning de bout en bout en conditions réelles.
Instructor: Google Cloud Training
Included with
(22 reviews)
(22 reviews)
Add to your LinkedIn profile
Add this credential to your LinkedIn profile, resume, or CV
Share it on social media and in your performance review
Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Quelles sont les cinq phases permettant de traiter un cas d'utilisation à l'aide du machine learning, et pourquoi chaque étape est-elle essentielle ? Pourquoi les réseaux de neurones sont-ils désormais si courants ? Comment définir un problème d'apprentissage supervisé et trouver une solution adaptée et généralisable à l'aide de la descente de gradient et d'une méthode pertinente de création d'ensembles de données ? Apprenez à créer des modèles de machine learning distribués qui pourront évoluer dans TensorFlow, à adapter l'entraînement de ces modèles pour bénéficier d'une évolutivité horizontale et à obtenir des prédictions très performantes. Convertissez les données brutes en caractéristiques de sorte que les processus de ML soient en mesure d'identifier les propriétés importantes dans les données et générez des insights qui ont du sens en rapport avec la problématique. Enfin, découvrez comment intégrer à la fois la combinaison de paramètres permettant d'obtenir des modèles précis et généralisés, et une connaissance de la théorie indispensable pour résoudre des types spécifiques de problèmes de ML.
Vous expérimenterez le ML de bout en bout en commençant par créer une stratégie centrée sur le ML, puis en progressant dans le processus d'entraînement, d'optimisation et de production de modèles grâce à des ateliers pratiques faisant appel à Google Cloud Platform.
>>> En vous inscrivant à cette spécialisation vous acceptez les conditions d'utilisation de Qwiklabs décrites dans la FAQ et disponibles à l'adresse: https://qwiklabs.com/terms_of_service <<<
Applied Learning Project
Cette spécialisation comporte des ateliers pratiques à réaliser sur notre plate-forme Qwiklabs.
Ces ateliers vous permettent d'appliquer ce que vous apprenez dans les cours en vidéo. Les projets sont axés autour de thèmes tels que les produits Google Cloud Platform. Ces derniers sont d'ailleurs utilisés et configurés dans Qwiklabs. Vous développerez ainsi une expérience pratique des concepts expliqués dans les modules.
Décrire la plate forme Vertex AI et comment utiliser pour créer, entraîner et déployer des modèles de machine learning AutoML sans écrire de code
Décrire les bonnes pratiques pour implémenter le machine learning sur Google Cloud
Exploiter les outils et l’environnement Google Cloud Platform pour appliquer le ML
Formuler de bonnes pratiques d'IA responsable
Expliquer comment améliorer la qualité des données et effectuer des analyses exploratoires
Créer et entraîner des modèles AutoML avec Vertex AI et BigQuery ML
Optimiser et évaluer des modèles à l'aide des fonctions de perte et des métriques de performances
Créer des ensembles de données d'entraînement, d'évaluation et de test reproductibles et évolutifs
Concevoir et créer un pipeline de données d'entrée TensorFlow.
Manipuler des données d'ensembles de données volumineux à l'aide de la bibliothèque tf.data.
Créer des modèles simples ou avancés à l'aide des API Keras Sequential et Keras Functional
Entraîner, déployer et utiliser en production des modèles de ML à grande échelle à l'aide de Vertex AI
Décrire Vertex AI Feature Store et comparer les principaux aspects que doit avoir une caractéristique pour être pertinente
Effectuer une ingénierie des caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow
Découvrir comment prétraiter et explorer des caractéristiques à l'aide de Dataflow et Dataprep
Utiliser tf.Transform
Bienvenue dans "Art and Science of Machine Learning". Ce cours se compose de 6 modules. Dans ce cours, nous allons voir les compétences essentielles que sont l'intuition, le bon sens et l'expérimentation, nécessaires pour ajuster vos modèles de ML et optimiser leurs performances. Nous verrons comment généraliser votre modèle à l'aide de techniques de régularisation, et nous évoquerons les effets des hyperparamètres tels que la taille de lot et le taux d'apprentissage sur les performances de votre modèle. Nous présenterons également certains des algorithmes d'optimisation les plus courants et vous montrerons comment spécifier une méthode d'optimisation dans votre code TensorFlow.
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
Unlimited access to 10,000+ world-class courses, hands-on projects, and job-ready certificate programs - all included in your subscription
Earn a degree from world-class universities - 100% online
Upskill your employees to excel in the digital economy
This course is completely online, so there’s no need to show up to a classroom in person. You can access your lectures, readings and assignments anytime and anywhere via the web or your mobile device.
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Yes! To get started, click the course card that interests you and enroll. You can enroll and complete the course to earn a shareable certificate, or you can audit it to view the course materials for free. When you subscribe to a course that is part of a Specialization, you’re automatically subscribed to the full Specialization. Visit your learner dashboard to track your progress.
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. If you only want to read and view the course content, you can audit the course for free. If you cannot afford the fee, you can apply for financial aid.
This Specialization doesn't carry university credit, but some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.