Preparing for Google Cloud Certification: Machine Learning Engineer Certificat Professionnel

57 688 inscrit(s)

Preparing for Google Cloud Certification: Machine Learning Engineer Certificat Professionnel

Advance your career as a Cloud ML Engineer

Inclus avec Coursera Plus

Série de 6 cours

Obtenez une qualification professionnelle qui traduit votre expertise

4.5

(2,274 avis)

niveau Intermédiaire

Expérience recommandée

Planning flexible

2 mois à raison de 10 heures par semaine

Obtenir une qualification professionnelle

Partagez votre expertise avec les employeurs

Série de 6 cours

Obtenez une qualification professionnelle qui traduit votre expertise

4.5

(2,274 avis)

niveau Intermédiaire

Expérience recommandée

Planning flexible

2 mois à raison de 10 heures par semaine

Obtenir une qualification professionnelle

Partagez votre expertise avec les employeurs

Vue d'ensemble

87% of Google Cloud certified users feel more confident in their cloud skills. This program provides the skills you need to advance your career and provides training to support your preparation for the industry-recognized Google Cloud Professional Machine Learning Engineer certification.

Here's what you have to do:

1) Complete the Preparing for Google Cloud Machine Learning Engineer Professional Certificate

2) Review other recommended resources for the Google Cloud Professional Machine Learning Engineer exam

3) Review the Professional Machine Learning Engineer exam guide

4) Complete Professional Machine Learning Engineer sample questions

5) Register for the Google Cloud certification exam (remotely or at a test center)

Applied Learning Project

This professional certificate incorporates hands-on labs using Qwiklabs platform.These hands on components will let you apply the skills you learn. Projects incorporate Google Cloud Platform products used within Qwiklabs. You will gain practical hands-on experience with the concepts explained throughout the modules.

Projet d'apprentissage appliqué

This specialization incorporates hands-on labs using Google's Qwiklabs platform.

These hands on components will let you apply the skills you learn in the video lectures. Projects will incorporate topics such as Google Cloud Platform products, which are used and configured within Qwiklabs. You can expect to gain practical hands-on experience with the concepts explained throughout the modules.

Learn the skills needed to be successful in a machine learning engineering role
Prepare for the Google Cloud Professional Machine Learning Engineer certification exam
Understand how to design, build, productionalize ML models to solve business challenges using Google Cloud technologies
Understand the purpose of the Professional Machine Learning Engineer certification and its relationship to other Google Cloud certifications

Compétences que vous acquerrez

Catégorie : MLOps (Machine Learning Operations)
Catégorie : Systems Design
Catégorie : CI/CD
Catégorie : Data Pipelines
Catégorie : Dataflow
Catégorie : Data Management
Catégorie : Cloud Computing
Catégorie : Continuous Integration
Catégorie : Machine Learning
Catégorie : Data Governance
Catégorie : Artificial Intelligence and Machine Learning (AI/ML)
Catégorie : Cloud Computing Architecture
Catégorie : Feature Engineering
Catégorie : Google Cloud Platform
Catégorie : Systems Architecture

Outils que vous découvrirez

Catégorie : Tensorflow
Catégorie : Apache Airflow
Catégorie : Kubernetes
Catégorie : Generative AI
Catégorie : Keras (Neural Network Library)

Ce qui est inclus

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais

Récemment mis à jour !

mars 2025

33 exercices pratiques

Certificat professionnel - 6 séries de cours

Introduction to AI and Machine Learning on Google Cloud

COURS 19 heures4.7 (255 évaluations)Voir le cours

Ce que vous apprendrez

Recognize the data-to-AI technologies and tools offered by Google Cloud.
Use generative AI capabilities in applications.
Choose between different options to develop an AI project on Google Cloud.
Build ML models end-to-end by using Vertex AI.

Compétences que vous acquerrez

Catégorie : Google Cloud Platform

Catégorie : Artificial Intelligence and Machine Learning (AI/ML)

Catégorie : Generative AI

Catégorie : Machine Learning

Catégorie : MLOps (Machine Learning Operations)

Catégorie : Natural Language Processing

Catégorie : Cloud Infrastructure

Catégorie : Cloud Platforms

Catégorie : Cloud Solutions

Catégorie : Application Programming Interface (API)

Build, Train and Deploy ML Models with Keras on Google Cloud

COURS 213 heures4.4 (2,794 évaluations)Voir le cours

Ce que vous apprendrez

Design and build a TensorFlow input data pipeline.
Use the tf.data library to manipulate data in large datasets.
Use the Keras Sequential and Functional APIs for simple and advanced model creation.
Train, deploy, and productionalize ML models at scale with Vertex AI.

Compétences que vous acquerrez

Catégorie : Keras (Neural Network Library)

Catégorie : Google Cloud Platform

Catégorie : Tensorflow

Catégorie : Deep Learning

Catégorie : Artificial Neural Networks

Catégorie : Data Pipelines

Catégorie : Scalability

Catégorie : Application Deployment

Catégorie : Applied Machine Learning

Catégorie : Python Programming

Catégorie : Data Transformation

Catégorie : Machine Learning

Catégorie : Data Processing

Catégorie : MLOps (Machine Learning Operations)

Feature Engineering

COURS 38 heures4.5 (1,782 évaluations)Voir le cours

Ce que vous apprendrez

Describe Vertex AI Feature Store and compare the key required aspects of a good feature.
Perform feature engineering using BigQuery ML, Keras, and TensorFlow.
Discuss how to preprocess and explore features with Dataflow and Dataprep.
Use tf.Transform.

Compétences que vous acquerrez

Catégorie : Feature Engineering

Catégorie : Data Transformation

Catégorie : Keras (Neural Network Library)

Catégorie : Dataflow

Catégorie : Data Pipelines

Catégorie : Tensorflow

Catégorie : MLOps (Machine Learning Operations)

Catégorie : Data Processing

Catégorie : Google Cloud Platform

Catégorie : Machine Learning

Machine Learning in the Enterprise

COURS 417 heures4.6 (1,488 évaluations)Voir le cours

Ce que vous apprendrez

Describe data management, governance, and preprocessing options
Identify when to use Vertex AutoML, BigQuery ML, and custom training
Implement Vertex Vizier Hyperparameter Tuning
Explain how to create batch and online predictions, setup model monitoring, and create pipelines using Vertex AI

Compétences que vous acquerrez

Catégorie : Google Cloud Platform

Catégorie : Data Pipelines

Catégorie : Machine Learning

Catégorie : MLOps (Machine Learning Operations)

Catégorie : Workflow Management

Catégorie : Data Management

Catégorie : Tensorflow

Catégorie : Data Transformation

Catégorie : Data Governance

Catégorie : Cloud Computing

Catégorie : Predictive Modeling

Catégorie : Machine Learning Methods

Catégorie : Applied Machine Learning

Catégorie : Continuous Monitoring

Catégorie : Managed Services

Production Machine Learning Systems

COURS 518 heures4.6 (1,016 évaluations)Voir le cours

Ce que vous apprendrez

Compare static versus dynamic training and inference
Manage model dependencies
Set up distributed training for fault tolerance, replication, and more
Export models for portability

Compétences que vous acquerrez

Catégorie : Tensorflow

Catégorie : Data Validation

Catégorie : Google Cloud Platform

Catégorie : Performance Tuning

Catégorie : Data Pipelines

Catégorie : Distributed Computing

Catégorie : Hybrid Cloud Computing

Catégorie : Applied Machine Learning

Catégorie : Machine Learning

Catégorie : Software Architecture

Catégorie : MLOps (Machine Learning Operations)

Catégorie : Mobile Development

Catégorie : Artificial Intelligence and Machine Learning (AI/ML)

Catégorie : Scalability

Catégorie : Systems Design

Catégorie : Cloud Computing Architecture

Catégorie : Systems Architecture

Machine Learning Operations (MLOps): Getting Started

COURS 62 heures4.0 (464 évaluations)Voir le cours

Ce que vous apprendrez

Identify and use core technologies required to support effective MLOps.
Adopt the best CI/CD practices in the context of ML systems.
Configure and provision Google Cloud architectures for reliable and effective MLOps environments.
Implement reliable and repeatable training and inference workflows.

Compétences que vous acquerrez

Catégorie : MLOps (Machine Learning Operations)

Catégorie : Machine Learning

Catégorie : Automation

Catégorie : Artificial Intelligence and Machine Learning (AI/ML)

Catégorie : Continuous Deployment

Catégorie : DevOps

Catégorie : Application Lifecycle Management

Catégorie : Continuous Monitoring

Catégorie : Google Cloud Platform

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.

Instructeur

Google Cloud Training

Google Cloud

1 915 Cours3 546 322 apprenants

Offert par

Google Cloud

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.’

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Découvrir les diplômes

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions

This specialization is designed to be completed in 6 months at approximately 5 hours per week.

To get the most out of this course, we recommend participants have data engineering or programming experience and are interested in learning how to apply machine learning in practice.

We strongly recommend you take these courses in order, beginning with Big Data and Machine Learning Fundamentals. This is especially important when completing the Qwiklabs projects, as these hands-on labs build upon the work you complete in preceding courses.

Plus de questions

Visitez le Centre d'Aide pour les Étudiants

Aide financière disponible,

¹ Median salary and job opening data are sourced from Lightcast™ Job Postings Report. Content Creator, Machine Learning Engineer and Salesforce Development Representative (1/1/2024 - 12/31/2024) All other job roles (8/1/2024 - 8/1/2025)