Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3.5
56 avis
niveau Avancées
Expérience recommandée
Expérience recommandée
Niveau avancé
Expérience intermédiaire dans le travail avec Python, Git pour le contrôle de version, Docker pour la conteneurisation et Kubernetes pour le déploiement et la mise à l'échelle.
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3.5
56 avis
niveau Avancées
Expérience recommandée
Expérience recommandée
Niveau avancé
Expérience intermédiaire dans le travail avec Python, Git pour le contrôle de version, Docker pour la conteneurisation et Kubernetes pour le déploiement et la mise à l'échelle.
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable
Il y a 5 modules dans ce cours
Dans MLOps (Machine Learning Operations) Platforms : Amazon SageMaker et Azure ML, vous apprendrez les compétences nécessaires pour construire, former et déployer des solutions d'apprentissage automatique dans un environnement de production à l'aide de deux plateformes cloud de premier plan : Amazon Web Services (AWS) et Microsoft Azure. Ce cours est également une excellente ressource pour les personnes qui cherchent à se préparer aux certifications d'apprentissage automatique AWS ou Azure ou qui travaillent (ou cherchent à travailler) en tant que scientifiques de données, ingénieurs logiciels, développeurs de logiciels, analystes de données ou autres rôles qui utilisent l'apprentissage automatique. Grâce à une série d'exercices pratiques, vous allez acquérir une intuition des algorithmes d'apprentissage automatique de base et une expérience pratique de travail avec ces plateformes Cloud de premier plan. À la fin du cours, vous serez en mesure de déployer des solutions d'apprentissage automatique dans un environnement de production en utilisant les technologies AWS et Azure. Semaine 1. Explorez l'ingénierie des données avec la technologie AWS. Nous aborderons des sujets tels que les débuts de l'apprentissage automatique sur AWS, la création de référentiels de données, et l'identification et la mise en œuvre de solutions pour l'ingestion et la transformation des données. Semaine 2. Acquérir des compétences de base en science des données avec la technologie AWS. Vous apprendrez les techniques de nettoyage des données, effectuerez l'ingénierie des fonctionnalités, l'analyse des données et la visualisation des données pour l'apprentissage automatique. Nous utiliserons en priorité les solutions serverless disponibles sur AWS pour rendre le processus plus efficace.Semaine 3. Apprenez les modèles d'apprentissage automatique avec la technologie AWS. Nous examinerons comment sélectionner les modèles appropriés pour la tâche à accomplir, choisir les hyperparamètres, entraîner les modèles sur la plateforme et évaluer les modèles.Semaine 4. Apprenez les MLOps avec AWS : la phase finale de la mise en production de l'apprentissage automatique. Nous aborderons des sujets tels que l'opérationnalisation d'un modèle d'apprentissage automatique, le choix entre CPU et GPU, et le déploiement et la maintenance du modèle. Semaine 5. Apprenez à travailler avec les données et l'apprentissage automatique sur une deuxième plateforme de premier plan basée sur le cloud : Azure ML.
Dans ce module, vous apprendrez à construire des solutions d'ingénierie des données sur AWS et à les appliquer en construisant un pipeline d'ingénierie des données avec AWS Step Functions et AWS Lambda.
Inclus
16 vidéos16 lectures4 devoirs1 sujet de discussion1 laboratoire non noté
Afficher les informations sur le contenu du module
16 vidéos•Total 82 minutes
Rencontrez votre formateur : Noah Gift•4 minutes
Utiliser Sagemaker Studio Lab•7 minutes
Premiers pas avec AWS CloudShell•12 minutes
Avantages de l'utilisation d'espaces de travail en nuage pour les développeurs•4 minutes
Prototypage d'API d'IA dans CloudShell•13 minutes
Cloud9 avec l'outil de programmation en binôme AWS Codewhisperer AI•9 minutes
Introduction au stockage des données•1 minute
Déterminer le bon support de stockage•4 minutes
Travailler avec Amazon S3•7 minutes
Styles de travail par lots ou en continu•2 minutes
Introduction à l'ingestion de données et aux pipelines de traitement•2 minutes
Travailler avec AWS Batch•3 minutes
Travailler avec AWS Step Functions•8 minutes
Transformer les données en transit•2 minutes
Manipuler Map Reduce pour l'apprentissage automatique•2 minutes
Travailler avec EMR Serverless•1 minute
16 lectures•Total 160 minutes
Rencontrez votre instructeur de soutien : Alfredo Deza•10 minutes
Structure du cours et étiquette des discussions•10 minutes
Démarrage et problèmes de cours•10 minutes
Signaler un problème avec le cours•10 minutes
Termes clés•10 minutes
Bienvenue à AWS Academy Machine Learning Foundations•10 minutes
Exemples de laboratoire•10 minutes
AWS Academy Onboard (optionnel)•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Développer des solutions de stockage AWS•10 minutes
Lacs de données avec Amazon S3•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Défi de programmation interactive Marco Polo Pipeline•10 minutes
Réflexion sur la leçon•10 minutes
4 devoirs•Total 120 minutes
Ingénierie des données avec la technologie AWS Machine Learning•30 minutes
Quiz - Démarrer avec la technologie d'apprentissage automatique d'AWS•30 minutes
Quiz - Créer un référentiel de données pour l'apprentissage automatique•30 minutes
Quiz - Identifier et mettre en œuvre des solutions d'ingestion et de transformation des données•30 minutes
1 sujet de discussion•Total 10 minutes
Rencontre et accueil (facultatif)•10 minutes
1 laboratoire non noté•Total 60 minutes
Construire et déployer une fonction Marco Polo AWS Step•60 minutes
Analyse exploratoire des données avec la technologie AWS
Module 2•7 heures à terminer
Détails du module
Dans ce module, vous composerez des solutions d'ingénierie des données à l'aide de la technologie AWS et l'appliquerez en construisant des blocs-notes de science des données.
Inclus
7 vidéos9 lectures3 devoirs4 laboratoires non notés
Afficher les informations sur le contenu du module
7 vidéos•Total 13 minutes
Nettoyage des données•1 minute
Données de mise à l'échelle•1 minute
Données d'étiquetage•1 minute
Identifier et extraire des caractéristiques•2 minutes
Concepts d'ingénierie des fonctionnalités•2 minutes
Représentation graphique des données•4 minutes
Regroupement des données•2 minutes
9 lectures•Total 90 minutes
Termes clés•10 minutes
AWS Academy - Introduction à l'apprentissage automatique•10 minutes
Ressources AWS pour l'analyse exploratoire des données•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Feature engineering avec scikit-learn sur Databricks•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Réflexion sur la leçon•10 minutes
3 devoirs•Total 90 minutes
Analyse exploratoire des données•30 minutes
Quiz - Assainissement et préparation des données pour la modélisation•30 minutes
Quiz - Ingénierie des caractéristiques•30 minutes
4 laboratoires non notés•Total 240 minutes
Bac à sable Jupyter•60 minutes
Ingénierie de fonctionnalité - Créer une saison gagnante•60 minutes
Analyse exploratoire des données Covid19•60 minutes
Regroupement et représentation graphique des grappes de prix du logement•60 minutes
Modélisation avec la technologie AWS
Module 3•7 heures à terminer
Détails du module
Dans ce module, vous composerez des solutions de modélisation de l'apprentissage automatique à l'aide de la technologie AWS et l'appliquerez en construisant un modèle de régression linéaire qui s'exécute à l'intérieur d'un outil en ligne de commande.
Inclus
12 vidéos11 lectures4 devoirs3 laboratoires non notés
Afficher les informations sur le contenu du module
12 vidéos•Total 30 minutes
Quand utiliser l'apprentissage automatique ?•2 minutes
Apprentissage automatique supervisé ou non supervisé•2 minutes
Choisir une solution d'apprentissage automatique•2 minutes
Sélection d'un modèle d'apprentissage automatique•2 minutes
Démonstration de modélisation avec Sagemaker Canvas•5 minutes
Utiliser Train, Test and Split•2 minutes
Résolution de problèmes d'optimisation•2 minutes
Choix entre GPU et CPU•1 minute
Architecture des réseaux neuronaux•2 minutes
Surajustement et sous-ajustement•2 minutes
Sélection des indicateurs•6 minutes
Comparaison de modèles à l'aide du suivi des expériences•1 minute
11 lectures•Total 110 minutes
Termes clés•10 minutes
Introduction à la mise en œuvre d'un pipeline d'apprentissage automatique avec Amazon SageMaker•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Introduction à la prévision sur Sagemaker•10 minutes
Descente de gradient interactive•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Introduction à la vision par ordinateur•10 minutes
Plus de pratique : Entraînez un modèle de classification d'images avec PyTorch•10 minutes
Réflexion sur la leçon•10 minutes
4 devoirs•Total 120 minutes
Quiz - Sélectionner le(s) modèle(s) approprié(s) pour un problème d'apprentissage automatique donné•30 minutes
Quiz-Entraînement de modèles d'apprentissage automatique•30 minutes
Modélisation de l'apprentissage automatique•30 minutes
Quiz - Évaluer les problèmes d'apprentissage automatique•30 minutes
3 laboratoires non notés•Total 180 minutes
Bac à sable pour la descente en gradient•60 minutes
Construction d'un modèle de régression linéaire•60 minutes
Sous-assemblage et sur-assemblage•60 minutes
MLOps avec la technologie AWS
Module 4•5 heures à terminer
Détails du module
Dans ce module, vous apprendrez à déployer et à opérationnaliser des solutions d'apprentissage automatique à l'aide de la technologie AWS et à l'appliquer en affinant un modèle de visage Hugging à l'aide de Sagemaker Studio Lab.
Inclus
14 vidéos12 lectures3 devoirs1 laboratoire non noté
Afficher les informations sur le contenu du module
14 vidéos•Total 31 minutes
Surveillance et enregistrement•1 minute
Plusieurs régions•2 minutes
Des flux de travail reproductibles•1 minute
DevOps à la sauce AWS•2 minutes
Examen des choix de calcul•1 minute
Provisionnement d'EC2•1 minute
Provisionnement d'EBS•1 minute
AWS AI ML Services•4 minutes
Principe du moindre privilège AWS Lambda•1 minute
Sécurité intégrée•2 minutes
Vue d'ensemble du flux de travail de Sagemaker Studio•3 minutes
Prédictions de modèles avec Sagemaker Canvas•2 minutes
Dérive des données et surveillance du modèle•1 minute
Exécuter PyTorch avec AWS App Runner•8 minutes
12 lectures•Total 120 minutes
Termes clés•10 minutes
Introduction au traitement du langage naturel•10 minutes
Enregistrement interactif en Python•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Plus de pratique : Déployez un modèle pré-entraîné de visage étreint sur Amazon SageMaker•10 minutes
Réflexion sur la leçon•10 minutes
Termes clés•10 minutes
Plus de pratique : Déployez des modèles pour l'inférence•10 minutes
Solutions d'apprentissage automatique à base de quiz•30 minutes
Quiz - Recommander et mettre en œuvre des services d'apprentissage automatique appropriés•30 minutes
1 laboratoire non noté•Total 60 minutes
Laboratoire de journalisation Python•60 minutes
Certifications en apprentissage automatique
Module 5•4 heures à terminer
Détails du module
Dans ce module, vous découvrirez les certifications d'Apprentissage automatique des principaux fournisseurs de cloud et comment les appliquer aux MLOps. Vous découvrirez les services liés à l'Apprentissage automatique et aux tâches d'ingénierie ML comme AutoML et comment ils s'appliquent aux certifications.
Inclus
15 vidéos8 lectures3 devoirs
Afficher les informations sur le contenu du module
15 vidéos•Total 63 minutes
Introduction aux certifications Azure•2 minutes
Ressources d'apprentissage pour les certifications Azure•8 minutes
Parcours de formation et notes d'étude Microsoft•6 minutes
Création d'un espace de travail Azure ML•6 minutes
Création d'un job Azure Auto ML•14 minutes
Introduction aux concepts Azure ML et MLOps•1 minute
Prérequis Technologie•1 minute
Déploiement en temps réel et par lots•2 minutes
Azure Open Datasets•3 minutes
Explorer les jeux de données ouverts SDK•2 minutes
Concepts plus avancés d'Azure ML et MLOps•1 minute
Exploration de la ligne de commande Azure ML•3 minutes
Déclencher Azure ML avec GitHub•3 minutes
Utilisation des hyperparamètres•3 minutes
Entraîner un modèle à l'aide du SDK Python•6 minutes
Tutoriel : Azure Machine Learning en un jour•60 minutes
Quiz-Azure AI Fundamentals et autres certifications Azure•30 minutes
Quiz - Concepts d'introduction à Azure ML et MLOps•30 minutes
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
L'université Duke compte environ 13 000 étudiants de premier et deuxième cycles et un corps professoral de classe mondiale qui contribue à repousser les frontières de la connaissance. L'université s'est fermement engagée à appliquer les connaissances au service de la société, tant à proximité de son campus de Caroline du Nord que dans le monde entier.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
3.5
56 avis
5 stars
44,64 %
4 stars
14,28 %
3 stars
8,92 %
2 stars
14,28 %
1 star
17,85 %
Affichage de 3 sur 56
N
ND
5·
Révisé le 21 août 2024
Great learning resources that will be useful long after completing the course, concise presentations, and clear explanations of all topics
Z
ZZ
5·
Révisé le 30 avr. 2023
The best course so far I have taken, I am looking forward to enchace my skills more in MLOps, I have to do few projects
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Qu'est-ce que je recevrai si je souscris à cette Specializations ?
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Une aide financière est-elle disponible ?
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.