Date d'abonnement : 2026
Développer des applications d'IA générative avec Gemini et Streamlit
Earned août 4, 2026 EDT
Créer des embeddings et utiliser la recherche vectorielle et le RAG avec BigQuery
Earned avr. 13, 2026 EDT
Terminez le cours intermédiaire Développer des applications d'IA générative avec Gemini et Streamlit pour recevoir un badge démontrant vos compétences dans les domaines suivants : la génération de texte, l'application d'appels de fonction avec le SDK Python et l'API Gemini, et le déploiement d'une application Streamlit avec Cloud Run. Vous découvrirez différentes manières de demander à Gemini de générer du texte, d'utiliser Cloud Shell pour effectuer des tests et des itérations sur une application Streamlit, puis de l'empaqueter en tant que conteneur Docker déployé dans Cloud Run.
Ce cours présente une solution de génération augmentée par récupération (RAG) dans BigQuery permettant de réduire les hallucinations de l'IA. Il décrit un workflow RAG qui couvre la création d'embeddings, la recherche dans un espace vectoriel et la génération de réponses améliorées. Il explique aussi les raisons conceptuelles derrière ces étapes et leur implémentation pratique avec BigQuery. À la fin du cours, les participants seront à même de créer un pipeline de RAG à l'aide de BigQuery et de modèles d'IA générative tels que Gemini, ainsi que des modèles d'embeddings pour traiter leurs propres cas d'hallucinations de l'IA.