We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Juan Rubén Marrero Vizcaíno
Date d'abonnement : 2019
Build and Deploy a Generative AI solution using a RAG framework
Earned juil. 16, 2024 EDT
[DEPRECATED] Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned juil. 3, 2024 EDT
Text Prompt Engineering Techniques
Earned juin 21, 2024 EDT
Conception de requêtes dans Agent Platform
Earned juin 17, 2024 EDT
Introduction à l'IA responsable
Earned juin 17, 2024 EDT
Présentation des grands modèles de langage
Earned juin 17, 2024 EDT
Présentation de l'IA générative
Earned juin 17, 2024 EDT
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned fév. 21, 2024 EST
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 21, 2024 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned fév. 19, 2024 EST
[DEPRECATED] Ingénierie des caractéristiques
Earned jan. 29, 2024 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned jan. 27, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned juin 27, 2023 EDT
Building Resilient Streaming Systems on Google Cloud Platform
Earned juin 27, 2023 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned juin 26, 2023 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juin 26, 2023 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned juin 13, 2023 EDT
Configurer un réseau Google Cloud
Earned juin 5, 2023 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned mai 31, 2023 EDT
Implémenter Cloud Load Balancing pour Compute Engine
Earned mai 30, 2023 EDT
Créer un guide d'étude pour une certification : préparation à l'examen PDE
Earned mai 19, 2023 EDT
Launching into Machine Learning - Français
Earned mai 18, 2023 EDT
How Google Does Machine Learning - Français
Earned mai 15, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned avr. 26, 2023 EDT
Concevoir une architecture avec Google Kubernetes Engine : production
Earned juin 23, 2022 EDT
Concevoir une architecture avec Google Kubernetes Engine : charges de travail
Earned juin 2, 2022 EDT
Concevoir une architecture avec Google Kubernetes Engine : principes de bases
Earned mai 12, 2022 EDT
Getting Started with Application Development - Français
Earned mars 8, 2022 EST
Architecture cloud : concevoir, implémenter et gérer
Earned juin 22, 2020 EDT
Configurer un environnement de développement d'applications sur Google Cloud
Earned juin 19, 2020 EDT
Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.
En savoir plus
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
En savoir plus
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
En savoir plus
Terminez le cours d'introduction Conception de requêtes dans Agent Platform pour recevoir un badge démontrant vos compétences dans les domaines suivants : le prompt engineering (ingénierie des requêtes), l'analyse d'images et les techniques d'IA générative multimodale dans Agent Platform. Découvrez comment élaborer des requêtes efficaces, guider les résultats de l'IA générative et appliquer des modèles Gemini à des scénarios marketing concrets.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA responsable, souligne son importance et décrit comment Google l'implémente dans ses produits. Il présente également les sept principes de l'IA de Google.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce que sont les grands modèles de langage (LLM). Il inclut des cas d'utilisation et décrit comment améliorer les performances des LLM grâce au réglage des requêtes. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA générative, décrit à quoi elle sert et souligne ce qui la distingue des méthodes de machine learning traditionnel. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
En savoir plus
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production.
Les participants s'entraîneront à utiliser l'ingestion en flux continu de Vertex AI Feature Store au niveau du SDK.
En savoir plus
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production. Les ingénieurs en machine learning utilisent des outils pour améliorer et évaluer en permanence les modèles déployés. Ils collaborent avec des data scientists (ou peuvent occuper ce poste) qui développent des modèles permettant de déployer de manière rapide et rigoureuse les solutions de machine learning les plus performantes.
En savoir plus
Ce cours porte sur la création de modèles de ML à l'aide de TensorFlow et Keras, l'amélioration de la précision des modèles de ML et l'écriture de modèles de ML pour une utilisation évolutive.
En savoir plus
Ce cours présente les avantages liés à l'utilisation de Vertex AI Feature Store, ainsi que la manière d'améliorer la précision des modèles de ML et de déterminer les colonnes de données présentant les caractéristiques les plus utiles. Ce cours inclut également du contenu et des ateliers portant sur l'ingénierie des caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow.
En savoir plus
Ce cours présente les fonctionnalités d'IA et de machine learning (ML) de Google Cloud, en mettant l'accent sur le développement de projets d'IA prédictive et générative. Il explore les différents outils, produits et technologies disponibles tout au long du cycle de vie des données à l'IA, et permet aux data scientists, aux développeurs d'IA et aux ingénieurs en ML d'améliorer leur expertise grâce à des exercices interactifs.
En savoir plus
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
En savoir plus
This 1-week, accelerated on-demand course builds upon Google Cloud Platform Big Data and Machine Learning Fundamentals. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn to build streaming data pipelines using Google cloud Pub/Sub and Dataflow to enable real-time decision making. You will also learn how to build dashboards to render tailored output for various stakeholder audiences.
En savoir plus
Terminez le cours intermédiaire Ingénierie des données pour la modélisation prédictive avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création de pipelines de transformation des données dans BigQuery avec Dataprep by Trifacta ; l'utilisation de Cloud Storage, Dataflow et BigQuery pour créer des workflows ETL (Extract, Transform and Load) ; et la création de modèles de machine learning avec BigQuery ML.
En savoir plus
Terminez le cours d'introduction Préparer des données pour les API de ML sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : le nettoyage des données avec Dataprep by Trifacta, l'exécution de pipelines de données dans Dataflow, la création de clusters et l'exécution de jobs Apache Spark dans Managed Service for Apache Spark, et l'appel d'API de ML comme l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text et l'API Video Intelligence.
En savoir plus
Dans ce cours de niveau intermédiaire, vous apprendrez à concevoir, créer et optimiser des pipelines de données en batch robustes sur Google Cloud. Au-delà des bases de la gestion des données, vous explorerez les transformations de données à grande échelle et l'orchestration efficace des workflows, essentielles pour l'informatique décisionnelle et les rapports critiques.
Vous vous entraînerez à utiliser Dataflow pour Apache Beam et Serverless pour Apache Spark (Dataproc Serverless) pour l'implémentation, et vous aborderez des considérations importantes concernant la qualité des données, la surveillance et les alertes pour assurer la fiabilité des pipelines et l'excellence opérationnelle. Il est recommandé d'avoir des connaissances de base sur l'entreposage de données, les processus ETL/ELT, SQL, Python et les concepts de Google Cloud.
En savoir plus
Suivez le cours Configurer un réseau Google Cloud et obtenez un badge de compétence. Vous allez apprendre à effectuer des tâches élémentaires de gestion de réseaux sur Google Cloud Platform : créer un réseau personnalisé, ajouter des règles de pare-feu de sous-réseau, puis créer des VM et tester la latence lorsqu'elles communiquent entre elles.
En savoir plus
Bien que les approches traditionnelles utilisant des lacs de données et des entrepôts de données puissent être efficaces, elles présentent des inconvénients, en particulier dans les grands environnements d'entreprise. Ce cours présente le concept de data lakehouse et les produits Google Cloud utilisés pour en créer un. Une architecture de lakehouse utilise des sources de données basées sur des normes ouvertes et combine les meilleures fonctionnalités des lacs et des entrepôts de données, ce qui permet de pallier de nombreuses lacunes.
En savoir plus
Terminez le cours d'introduction Implémenter Cloud Load Balancing pour Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : Créer et déployer des machines virtuelles dans Compute Engine Configurer des équilibreurs de charge réseau et d'application.
En savoir plus
Découvrez comment utiliser Gemini Notebook pour créer un guide de préparation personnalisé pour l'examen de certification Professional Data Engineer.
Vous allez passer en revue les fonctionnalités de Gemini Notebook, créer un notebook dans Gemini Notebook, et apprendre à utiliser un guide d'étude pour vous entraîner à passer un examen de certification.
En savoir plus
Le cours commence par une discussion sur les données : vous découvrirez comment améliorer leur qualité et effectuer des analyses exploratoires. Ensuite, nous vous présenterons Vertex AI AutoML et vous expliquerons comment créer, entraîner et déployer un modèle de machine learning (ML) sans écrire une ligne de code. Vous découvrirez également les avantages de BigQuery ML. Enfin, nous verrons comment optimiser un modèle de ML, et en quoi la généralisation ainsi que l'échantillonnage peuvent vous aider à évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.
En savoir plus
Quelles sont les bonnes pratiques pour implémenter le machine learning sur Google Cloud ? En quoi consiste la plate-forme Vertex AI et comment pouvez-vous l'utiliser pour créer, entraîner et déployer rapidement des modèles de machine learning AutoML sans écrire une seule ligne de code ? Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ?
Google aborde le machine learning d'une façon particulière, qui consiste à fournir une plate-forme unifiée pour les ensembles de données gérés, ainsi qu'un magasin de caractéristiques et un moyen de créer, d'entraîner et de déployer des modèles de machine learning sans écrire une seule ligne de code. Il s'agit également de permettre aux utilisateurs d'étiqueter les données et de créer des notebooks Workbench à l'aide de frameworks tels que TensorFlow, Scikit Learn, Pytorch et R. Avec notre plate-forme Vertex AI, il est également possible d'entraîner des modèles personnalisés, de créer des pipelines de composants, …
En savoir plus
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
En savoir plus
Dans ce cours, vous découvrirez la sécurité dans Kubernetes et Google Kubernetes Engine (GKE) (journaux et surveillance), ainsi que l'utilisation des services de stockage et de bases de données gérés Google Cloud à partir de GKE.
Il s'agit du deuxième cours de la série "Concevoir une architecture avec Google Kubernetes Engine". Après l'avoir terminé, inscrivez-vous aux cours "Infrastructure Google Cloud fiable: conception et processus" ou "Hybrid Cloud Infrastructure Foundations with Anthos".
En savoir plus
Le cours "Concevoir une architecture avec Google Kubernetes Engine : charges de travail" vous fera découvrir de manière très complète le développement d'applications cloud natives. Tout au long de votre formation, vous étudierez les opérations Kubernetes, la gestion des déploiements, la mise en réseau GKE et le stockage persistant.
Il s'agit du premier cours de la série "Concevoir une architecture avec Google Kubernetes Engine". Après l'avoir terminé, inscrivez-vous au cours "Concevoir une architecture avec Google Kubernetes Engine : production".
En savoir plus
Dans le cours "Concevoir une architecture avec Google Kubernetes Engine : principes de bases," nous allons vous présenter l'organisation et les principes de Google Cloud. Nous vous apprendrons ensuite à créer et gérer des conteneurs de logiciels, puis nous vous ferons découvrir l'architecture de Kubernetes.
En savoir plus
Dans ce cours, les développeurs d'applications apprennent à concevoir et développer des applications cloud natives qui s'intègrent parfaitement aux services gérés de Google Cloud. À travers un ensemble de présentations, de démonstrations et d'ateliers pratiques, les participants apprendront à appliquer les bonnes pratiques de développement d'applications et à utiliser les services Google Cloud Storage appropriés pour le stockage d'objets, les données relationnelles, la mise en cache et les données analytiques.
Il est obligatoire de terminer une version de chaque atelier. Chaque atelier est disponible en Node.js. Dans la plupart des cas, les mêmes ateliers sont aussi disponibles en Python ou en Java. Vous pouvez terminer chaque atelier dans la langue que vous voulez.
Il s'agit du premier cours de la série "Developing Applications with Google Cloud". Une fois que vous l'aurez terminé, inscrivez-vous au cours "Securing and Integrating Components of your Application".
En savoir plus
Terminez le cours Architecture cloud : concevoir, implémenter et gérer pour recevoir un badge démontrant vos compétences dans les domaines suivants : le déploiement d'un site Web accessible publiquement à l'aide de serveurs Web Apache, la configuration d'une VM Compute Engine à l'aide de scripts de démarrage, la configuration d'une session RDP sécurisée à l'aide de règles de pare-feu et d'un hôte bastion Windows, la création d'une image Docker, son déploiement dans un cluster Kubernetes et sa mise à jour, et la création d'une instance Cloud SQL et l'importation d'une base de données MySQL. Le cours lié à ce badge de compétence est une excellente ressource pour comprendre les sujets qui seront abordés dans l'examen de certification Google Cloud Certified Professional Cloud Architect.
En savoir plus
Suivez le cours Configurer un environnement de développement d'applications sur Google Cloud et obtenez un badge de compétence. Dans ce cours, vous apprendrez à créer et connecter une infrastructure cloud axée sur le stockage à l'aide des fonctionnalités de base des technologies suivantes Cloud Storage, Identity and Access Management, Cloud Functions et Pub/Sub.
En savoir plus
