Ce cours présente le mécanisme d'attention, une technique efficace permettant aux réseaux de neurones de se concentrer sur des parties spécifiques d'une séquence d'entrée. Vous découvrirez comment fonctionne l'attention et comment l'utiliser pour améliorer les performances de diverses tâches de machine learning, dont la traduction automatique, la synthèse de texte et les réponses aux questions.
Ce cours présente les modèles de diffusion, une famille de modèles de machine learning qui s'est récemment révélée prometteuse dans le domaine de la génération d'images. Les modèles de diffusion trouvent leur origine dans la physique, et plus précisément dans la thermodynamique. Au cours des dernières années, ils ont gagné en popularité dans la recherche et l'industrie. Ils sont à la base de nombreux modèles et outils Google Cloud avancés de génération d'images. Ce cours vous présente les bases théoriques des modèles de diffusion, et vous explique comment les entraîner et les déployer sur Vertex AI.
Avec l'essor de l'utilisation de l'intelligence artificielle et du machine learning en entreprise, il est de plus en plus important de développer ces technologies de manière responsable. Pour beaucoup, le véritable défi réside dans la mise en pratique de l'IA responsable, qui s'avère bien plus complexe que dans la théorie. Si vous souhaitez découvrir comment opérationnaliser l'IA responsable dans votre organisation, ce cours est fait pour vous. Dans ce cours, vous allez apprendre comment Google Cloud procède actuellement, en s'appuyant sur des bonnes pratiques et les enseignements tirés, afin de vous fournir un framework pour élaborer votre propre approche d'IA responsable.
Dans ce cours, vous découvrirez comment Gemini, un collaborateur de Google Cloud optimisé par l'IA générative, vous aide à sécuriser votre environnement et vos ressources cloud. Vous apprendrez à déployer des exemples de charges de travail dans un environnement Google Cloud, puis à identifier et à corriger les erreurs de configuration de la sécurité avec Gemini. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore votre stratégie de sécurité dans le cloud. Duet AI a été renommé Gemini, notre modèle nouvelle génération.
Dans ce cours, vous découvrirez comment Gemini, un outil de collaboration Google Cloud optimisé par l'IA générative, vous aide à utiliser les produits et services Google pour développer, tester et gérer des applications. Avec l'assistance de Gemini, vous apprendrez à développer une application Web, à corriger les erreurs de l'application, à créer des tests et à interroger des données. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore le cycle de vie du développement logiciel (SDLC, software development lifecycle). Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
Dans ce cours, vous allez acquérir les connaissances et les outils nécessaires pour identifier les problématiques uniques auxquelles les équipes MLOps sont confrontées lors du déploiement et de la gestion de modèles d'IA générative. Vous verrez également en quoi Vertex AI permet aux équipes d'IA de simplifier les processus MLOps et de faire aboutir leurs projets d'IA générative.
Ce cours présente Google Vids, un outil de création optimisé par l'IA dans Google Workspace qui vous aide à transformer des documents bruts en vidéos professionnelles et attrayantes, sans expérience préalable en montage. Vous apprendrez à générer rapidement des brouillons à l'aide de modèles et d'outils automatisés, ainsi qu'à personnaliser vos contenus grâce au montage basé sur la transcription, aux améliorations visuelles dynamiques et à la musique personnalisée. Enfin, vous découvrirez comment intégrer des avatars IA et des voix off pour commenter vos présentations de manière fluide dans différents cas d'utilisation professionnelle.
Ce cours explique comment utiliser Gemini dans Google Drive pour gérer et récupérer des fichiers. Apprenez à localiser des ressources en utilisant le langage naturel, à extraire des informations spécifiques grâce aux Aperçus IA sans ouvrir de fichiers, à résumer instantanément plusieurs formats de médias et à enregistrer des collections de fichiers en tant que projets pour des recherches répétables.
Ce cours explique comment utiliser Gemini dans Google Meet pour améliorer la collaboration vidéo. Apprenez à automatiser la prise de notes, à utiliser la traduction en temps réel de texte et la traduction vocale, à rattraper en privé les discussions manquées et à optimiser instantanément la qualité audio et vidéo.
Ce cours explique comment utiliser Gemini dans Google Sheets pour automatiser l'organisation des données et traiter des chiffres complexes. Apprenez à structurer des tableaux à partir de texte brut, à remplir automatiquement des données à l'aide du langage naturel, à générer des formules de feuille de calcul natives à la demande et à extraire rapidement des insights ou des visualisations de haut niveau sans avoir besoin de compétences avancées en la matière.
Ce cours explique comment utiliser Gemini dans Google Slides pour transformer des concepts en présentations visuellement percutantes. Apprenez à générer des présentations structurées à partir d'un seul prompt ou d'un document source existant, à affiner la mise en page des diapositives à l'aide de l'amélioration de la conception automatisée, à créer des photos et des graphiques vectoriels personnalisés, et à rédiger de manière dynamique le texte des diapositives ainsi que des commentaires du présentateur précis.
Ce cours explique comment utiliser Gemini dans Google Docs pour simplifier la rédaction et la création de contenus. Apprenez à rédiger des documents à partir de zéro, à affiner le ton et la clarté de vos écrits grâce à des outils interactifs, à résumer des fichiers complexes et à transformer facilement des textes longs en ressources structurées pour d'autres applications Google Workspace.
Ce cours explique comment utiliser Gemini dans Gmail pour optimiser la gestion de vos e-mails. Apprenez à résumer de longs fils de discussion, à récupérer des informations en langage naturel, à rédiger des réponses professionnelles et à organiser des stratégies de communication directement dans votre boîte de réception.
Gemini pour Google Workspace fournit aux clients des fonctionnalités d'IA générative dans Google Workspace. Dans ce parcours de formation, vous allez découvrir les principales fonctionnalités de Gemini et comment elles peuvent servir à améliorer la productivité et l'efficacité dans Google Workspace.
Dans ce deuxième volet de la série de cours sur Dataflow, nous allons nous intéresser de plus près au développement de pipelines à l'aide du SDK Beam. Nous allons commencer par passer en revue les concepts d'Apache Beam. Nous allons ensuite parler du traitement des données par flux à l'aide de fenêtres, de filigranes et de déclencheurs. Nous passerons ensuite aux options de sources et de récepteurs dans vos pipelines, aux schémas pour présenter vos données structurées, et nous verrons comment effectuer des transformations avec état à l'aide des API State et Timer. Nous aborderons ensuite les bonnes pratiques qui vous aideront à maximiser les performances de vos pipelines. Vers la fin du cours, nous présentons le langage SQL et les DataFrames pour représenter votre logique métier dans Beam, et nous expliquons comment développer des pipelines de manière itérative à l'aide des notebooks Beam.
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, …
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.
Ce cours est le premier d'une série en trois volets sur le traitement des données sans serveur avec Dataflow. Dans ce premier cours, nous allons commencer par rappeler ce qu'est Apache Beam et sa relation avec Dataflow. Ensuite, nous aborderons la vision d'Apache Beam et les avantages de son framework de portabilité, qui permet aux développeurs d'utiliser le langage de programmation et le backend d'exécution de leur choix. Nous vous montrerons aussi comment séparer le calcul du stockage et économiser de l'argent grâce à Dataflow, puis nous examinerons les interactions entre les outils de gestion de l'identification et des accès avec vos pipelines Dataflow. Enfin, nous verrons comment implémenter le modèle de sécurité adapté à votre cas d'utilisation sur Dataflow.
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.
Dans ce cours, vous allez vous exercer à résoudre des problèmes concrets rencontrés lors de la création de pipelines de flux données. L'objectif principal est de gérer des données continues et illimitées avec les produits Google Cloud.
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.
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.
Dans ce cours, vous allez apprendre à créer des API exploitant plusieurs services et à utiliser du code personnalisé sur Apigee. Vous découvrirez également la gestion des erreurs et apprendrez à partager la logique entre les proxys. Vous vous familiariserez avec la gestion du trafic et la mise en cache. Vous créerez un portail des développeurs et y publierez votre API. Vous découvrirez la journalisation et l'analyse, ainsi que la CI/CD et les différents modèles de déploiement pris en charge par Apigee. Grâce à un ensemble de présentations, d'ateliers pratiques et de ressources complémentaires, vous apprendrez à concevoir, créer, sécuriser, déployer et gérer des solutions d'API à l'aide de la plate-forme d'API Apigee de Google Cloud. Il s'agit du troisième et dernier cours de la série "Développer des API avec la plate-forme d'API Apigee".
Dans ce cours, vous allez apprendre à sécuriser vos API. Vous explorerez les enjeux de sécurité auxquels vos API seront confrontées. Vous vous familiariserez avec OAuth, la principale méthode d'autorisation pour les API REST. Vous découvrirez les jetons Web JSON (JWT) et la sécurité fédérée. Vous apprendrez également à vous protéger contre les requêtes malveillantes, à envoyer des requêtes de manière sécurisée sur un réseau public et à sécuriser vos données pour les utilisateurs d'Apigee. Grâce à un ensemble de présentations, d'ateliers pratiques et de ressources complémentaires, vous apprendrez à concevoir, créer, sécuriser, déployer et gérer des solutions d'API à l'aide de la plate-forme d'API Apigee de Google Cloud. Il s'agit du deuxième cours de la série "Développer des API avec la plate-forme d'API Apigee". Après l'avoir terminé, inscrivez-vous au cours "Développement d'API avec la plate-forme d'API Apigee".
Dans ce cours, vous allez apprendre à concevoir des API et à les documenter à l'aide de spécifications OpenAPI. Vous découvrirez le cycle de vie des API et comment la plate-forme d'API Apigee vous aide à gérer tous les aspects de ce cycle de vie. Vous apprendrez à concevoir des API à l'aide de proxys d'API et à les regrouper dans des produits d'API pour qu'elles puissent être utilisées par les développeurs d'applications. Grâce à un ensemble de leçons, d'ateliers pratiques et de ressources complémentaires, vous apprendrez à concevoir, créer, sécuriser, déployer et gérer des solutions d'API à l'aide de la plate-forme d'API Apigee de Google Cloud. Il s'agit du premier cours de la série "Développer des API avec la plate-forme d'API Apigee". Après l'avoir terminé, inscrivez-vous au cours "Sécurité des API avec la plate-forme d'API Apigee".
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.
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.
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.
Dans ce cours d'introduction, vous allez pouvoir vous familiariser avec les outils et services fondamentaux de Google Cloud. Des vidéos facultatives vous fourniront davantage de contexte et vous permettront de réviser les concepts abordés lors des ateliers pratiques. Ce premier cours sur les bases de Google Cloud est recommandé aux personnes qui s'intéressent à Google Cloud. Vous pouvez le suivre sans aucune connaissance (ou presque) du cloud et, à la fin, vous aurez acquis des compétences pratiques utiles pour lancer votre premier projet Google Cloud. De l'écriture de lignes de commande Cloud Shell au déploiement de votre première machine virtuelle en passant par l'exécution d'applications sur Kubernetes Engine ou avec l'équilibrage de charge, 'Les bases de Google Cloud' constitue une excellente introduction aux fonctionnalités de base de la plate-forme.