Managing Machine Learning projects with Google Cloud (MMLPGC)

 

Course Overview

Business professionals in non-technical roles have a unique opportunity to lead and influence machine learning projects. In this course, you'll explore machine learning without the technical jargon. You'll learn how to translate business problems into custom machine learning use cases, assess each phase of the project, and translate the requirements to your technical team.

Moyens Pédagogiques :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Réalisation de la formation par un formateur agréé par l’éditeur
  • Formation réalisable en présentiel ou en distanciel
  • Mise à disposition de labs distants/plateforme de lab pour chacun des participants (si applicable à la formation)
  • Distribution de supports de cours officiels en langue anglaise pour chacun des participants
    • Il est nécessaire d'avoir une connaissance de l'anglais technique écrit pour la compréhension des supports de cours
Moyens d'évaluation :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Évaluations formatives pendant la formation, à travers les travaux pratiques réalisés sur les labs à l’issue de chaque module, QCM, mises en situation…
  • Complétion par chaque participant d’un questionnaire et/ou questionnaire de positionnement en amont et à l’issue de la formation pour validation de l’acquisition des compétences

Who should attend

  • Enterprise, corporate, or SMB business professionals in non-technical roles. Roles include but are not limited to: business analysts, IT managers, project managers, and product managers.
  • For senior VPs and above, Data-Driven Transformation with Google Cloud (ILT) is more suitable.

Prerequisites

  • No prior technical knowledge is required.
  • Savvy about your own business and objectives.
  • Recommended: Business Transformation with Google Cloud (on-demand).

Course Objectives

  • Thoroughly understand how ML can be used to improve business processes and create new value.
  • Explore common machine learning use cases implemented by businesses.
  • Identify the requirements to carry out an ML project, from assessing feasibility, to data preparation, model training, evaluation, and deployment.
  • Define data characteristics and biases that affect the quality of ML models.
  • Recognize key considerations for managing ML projects, including data strategy, governance, and project teams.
  • Pitch a custom ML use case that can meaningfully impact your business.

Prix & Delivery methods

Formation en ligne

Durée
2 jours

Prix
  • sur demande
Formation en salle équipée

Durée
2 jours

Prix
  • sur demande

Actuellement aucune session planifiée