Formation AutoML en Québec

Cette formation en présentiel ou en ligne, encadrée par un instructeur, à Québec s'adresse aux participants ayant divers niveaux d'expertise souhaitant exploiter la plateforme AutoML de Google pour créer des chatbots personnalisés pour diverses applications.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre les fondamentaux du développement de chatbots.
• Navigation dans la Plateforme Google Cloud et accès à AutoML.
• Préparer les données pour l'entraînement des modèles de chatbots.
• Entraîner et évaluer des modèles de chatbots personnalisés à l'aide d'AutoML.
• Déployer et intégrer des chatbots sur différentes plateformes et canaux.
• Surveiller et optimiser les performances des chatbots au fil du temps.

Cette formation en présentiel ou à distance, animée par un formateur à Québec, s'adresse aux data scientists et aux analystes de données souhaitant automatiser, évaluer et gérer des modèles prédictifs grâce aux capacités d'apprentissage automatique de DataRobot.

À l'issue de cette formation, les participants seront capables de :

• Charger des jeux de données dans DataRobot pour analyser, évaluer et contrôler la qualité des données.
• Construire et entraîner des modèles afin d'identifier les variables importantes et atteindre les objectifs de prédiction.
• Interpréter les modèles pour générer des informations exploitables utiles à la prise de décisions commerciales.
• Surveiller et gérer les modèles afin de maintenir des performances de prédiction optimisées.

Cette formation en direct, dispensée par un formateur, est organisée à Québec (en ligne ou sur site) et s'adresse aux scientifiques des données, aux analystes de données et aux développeurs qui souhaitent explorer les produits et fonctionnalités d'AutoML afin de créer et déployer des modèles d'entraînement ML personnalisés avec un effort minimal.

À la fin de cette formation, les participants seront capables de :

• Explorer la gamme de produits AutoML pour implémenter différents services pour divers types de données.
• Préparer et étiqueter des ensembles de données pour créer des modèles ML personnalisés.
• Entraîner et gérer des modèles afin de produire des modèles d'apprentissage automatique précis et équitables.
• Effectuer des prédictions à l'aide de modèles entraînés pour répondre aux objectifs et aux besoins commerciaux.