Formation Vertex AI

Description

Cette formation Vertex AI vous permettra de concevoir, entraîner, industrialiser et superviser des modèles de machine learning et d’IA générative sur Google Cloud en 2026.

Pendant 3 jours, vous apprendrez à :

• Entraîner et optimiser des modèles avec AutoML, Custom Training et Hyperparameter Tuning
• Mettre en place un Feature Store online & offline
• Construire des pipelines Vertex AI GenAI-ready
• Déployer, monitorer et retrainer automatiquement un modèle
• Implémenter RAG, grounding et sécurité avancée
• Transformer un microservice IA en agent conversationnel en production

Public

Cette formation s’adresse aux équipes techniques souhaitant passer d’expérimentations locales à une architecture MLOps moderne, intégrant Feature Store, pipelines automatisés, monitoring avancé, RAG et agents conversationnels.

Les objectifs

• Configurer une architecture ML et GenAI scalable sur Vertex AI
• Optimiser un modèle via tuning serverless et entraînement distribué
• Déployer un endpoint robuste avec monitoring avancé
• Mettre en place un pipeline MLOps automatisé avec déclenchement conditionnel
• Implémenter un système RAG avec Vector Search
• Concevoir un agent conversationnel avec mémoire et outils

Pré-requis

• Maîtriser Python
• Comprendre les bases du machine learning
• Avoir déjà utilisé Google Cloud ou un autre cloud public
• Connaître Docker et Git
• Ordinateur portable à apporter

Le programme de la formation Vertex AI

Jour 1 — Fondamentaux, data & entraînement avancé

• Architecture Vertex AI en 2026
  • Positionnement dans Google Cloud
  • AutoML vs Custom vs Serverless Custom Training
  • Managed datasets & data preprocessing recipes
  • Sécurité IAM & isolation des projets
• Entraînement & optimisation
  • AutoML tabulaire
  • Custom Training containerisé
  • Serverless Custom Training
  • Distributed training GPU / TPU
  • HyperparameterTuningJob serverless
• Feature Store
  • Online vs Offline store
  • Réutilisation de features
  • Real-time serving
  • Gouvernance des features
• Fine-tuning avancé des modèles Gemini
  • Introduction au Supervised Fine-Tuning
  • LoRA / PEFT sur modèle Gemini léger

Mises en pratique :

• Entraînement d'un modèle via AutoML, Custom Training et HyperparameterTuningJob
• Mesure des temps d’exécution, estimation des coûts (GPU/TPU) et performances (accuracy, F1, latence)
• Analyse des cas d’usage adaptés (POC, production, scaling)
• Création d’un store offline pour l’entraînement batch
• Activation du store online pour serving temps réel
• Gestion du versioning des features et test d’inférence connectée au Feature Store

Jour 2 — MLOps avancé & Pipelines GenAI-ready

• Vertex AI Pipelines moderne
  • Construction d'un pipeline end-to-end
  • Intégration des composants GenAI (prompt tuning, RAG step)
  • Scheduling & retraining triggers (Cloud Scheduler + Eventarc)
  • CI/CD avec Cloud Build + Artifact Registry
• Experiments & Tracking
  • Vertex AI Experiments
  • Comparaison de runs
  • Versioning modèles
• Model Monitoring v2
  • Data drift
  • Feature attribution drift
  • Skew detection
  • Alerting avancé
  • Dashboard nouvelle génération

Mises en pratique :

• Construction d’un pipeline Vertex AI modulaire (data → entraînement → tuning → déploiement)
• Déploiement conditionnel selon seuil de performance
• Activation du monitoring drift/skew
• Déclenchement automatique d’un retraining

Jour 3 — Generative AI moderne, RAG & Agents

• Gemini 3 & Raisonnement avancé
  • Gemini 3 Pro / Flash
  • Gemini Live API (voix, multimodal)
  • Prompt engineering avancé (Few-shot structuré, Chain-of-thought, Self-consistency, ReAct)
• RAG & Grounding
  • Vertex AI RAG Engine
  • Vector Search
  • Contexte long (jusqu’à 1M+ tokens)
  • Grounding Google Search
• Sécurité & Gouvernance
  • Safety filters
  • PII filtering
  • Content filters personnalisés
  • SynthID (détection contenus générés)
  • Guardrails production
• Agents
  • Vertex AI Agent Builder
  • Agent Engine (runtime, sessions, memory bank)
  • Tool calling & gouvernance
  • Context caching
  • Batch prediction GenAI
  • Model Garden & comparaison modèles

Mises en pratique :

• Intégration RAG avec Vector Search
• Ajout d’une mémoire persistante par session
• Implémentation du tool calling (API interne, base documentaire)
• Mise en place de filtres de sécurité et optimisation des coûts (context caching, gestion tokens)

Télécharger le programme

FAQ

8 raisons de participer à une formation Human Coders

• Satisfaction client élevée : Un taux de statisfaction de 4,6/5 depuis 2012 (sur 1805 sessions réalisées). 99% des participants se disent satisfaits de nos formations
• Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
• Catalogue de formations complet : 215 formations au catalogue, de quoi vous accompagner sur tout vos projets
• Écosystème dynamique : Nous accompagnons les dev depuis 14 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
• Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
• Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
• Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
• Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux