La page Gérer des projets de ML vous montre comment gérer un projet de ML à mesure qu'il passe de l'idée de départ à une mise en œuvre prête pour la production. Il aborde les phases de développement du ML, ainsi que les rôles et compétences généralement associés aux équipes de ML. Il présente les stratégies de collaboration avec les personnes concernées et fournit des informations sur la planification et la gestion d'un projet de ML à chaque phase de développement.
En démystifiant les complexités inhérentes aux projets de ML, le cours fournit un framework théorique solide pour la gestion des projets de ML.
Le cours porte sur les modèles de ML traditionnels. Bien que l'IA générative soit à l'honneur, le ML traditionnel joue un rôle essentiel chez Google. Il est à la base de nombreux services et projets, qu'il s'agisse de prédire les temps de trajet dans Maps, d'estimer le prix des billets d'avion dans Flights, de prédire le quota TPU pour Google Cloud ou de recommander des vidéos pertinentes sur YouTube.
Les principes de gestion des projets de ML traditionnels sont les mêmes pour la gestion des projets d'IA générative. Lorsqu'une différence notable est observée, le cours fournit des conseils pertinents sur l'IA générative.
Prérequis :
- Vous devez posséder des connaissances de base en machine learning. Pour une brève présentation des concepts du machine learning, consultez la page Présentation du machine learning. Pour une présentation pratique du machine learning, consultez le Cours d'initiation au machine learning.
- Vous devez d'abord vérifier que le ML est la bonne approche pour votre problème. Si vous n'avez pas défini votre problème en termes de solution de ML, suivez le cours Introduction à la formulation des problèmes de machine learning.