Streaming high-velocity data is great, but only if your pipeline doesn't break under pressure. In this trail, you'll wire up Pub/Sub and Python Dataflow to stream live data straight into Cloud Storage, then lock the whole environment down. By encrypting keys with Cloud KMS, cataloging assets, and isolating networks with VPC Peering, you'll clear both challenge labs and prove you can build real-time data lakes that are as fast as they are secure.
This is intended for individuals who completed the Build with Gemini workshop to validate the knowledge gained in that workship and earn a Skill Badge
Great code shouldn't get bogged down by infrastructure headaches. In this voyage, you'll master modern deployment patterns by turning ideas into production-ready microservices. From generating dynamic files and decoupling services with Pub/Sub to deploying polyglot apps across three different languages on App Engine, you'll cover the full developer lifecycle. Complete the challenge labs and show you know how to build fast, scale effortlessly, and keep things resilient.
Great teams don't just wing it—they execute a game plan. In this track, you'll captain your backend from the tactical board to the final whistle. Tune Spanner schemas for high-pressure traffic, whip pinpoint Pub/Sub messages across your services , and score clean API deployments with Cloud Run. Beat the challenge labs to claim your badge!
Welcome to this month's Arcade Simulator, where you'll step into the shoes of a DevOps Engineer tasked with keeping production environments fast, scalable, and resilient. You'll lay down a secure foundation with multi-VPC networks and access controls, then deploy multi-tier load balancers to distribute compute traffic seamlessly. Clear both challenge labs to prove you can automate, secure, and scale enterprise infrastructure without missing a beat.
In this focused course, you will learn how to improve Agent Search Results on the Gemini platform by mastering meta tags and serving controls. Through targeted lessons, hands-on labs, and quizzes, you will discover how to enrich your web content with metadata, schema.org JSON, and byline dates, and how to configure custom controls to boost, bury, and filter search results for a more relevant user experience. Explore other content in the Gemini Agent Ready (GEAR) program: https://developers.google.com/program/gear.
This course explores architecting stateful AI agents that use short-term memory within a session or long-term memory services. Additionally, it covers giving agents existing expertise through skills. It details the core pillars of context engineering to facilitate personalized, continuous conversational experiences with expert agents.
In this course, you’ll learn how to estimate and manage GenAI solution costs, focusing on the unique unit economics of AI versus traditional cloud billing. You will learn to: Understand Metering: Master the four Google Cloud GenAI metering categories and the token economy driving costs. Estimate Costs: Build defensible estimates using the Pricing Calculator for models, context caching, and agentic components. Optimize Spend: Leverage controls—such as input/output token reduction, caching, RAG efficiency, and model routing—while balancing cost, quality, and latency. Implement Governance: Apply FinOps best practices, including budgets, quotas, cost attribution, and Provisioned Throughput management to control spend.
In this course, you'll learn how to transition from anecdotal testing to a measurement-driven hill climbing process for generative and agentic systems. You'll explore how to balance output quality, latency, and operational cost by anchoring every change in baselines and evaluation rubrics. Using the hill climbing toolbox, you'll diagnose failures across models, prompts, tools, frameworks, and agent architectures. You'll analyze execution trajectories to identify root causes, design predictable tools using D.U.M.B. principles, and optimize retrieval-augmented generation (RAG) pipelines. When individual component tuning reaches diminishing returns, you'll learn how to restructure system architectures, using patterns like supervisor-worker, parallelization, and human-in-the-loop controls, to overcome performance plateaus. Finally, you'll explore how to automate the optimization loop to accelerate agent reliability while maintaining complete auditability and control in enterprise pro…
In this course, you'll learn how to establish a rigorous upgrade regression testing pipeline, safely deploy models using A/B testing and/or shadow mode, and address legacy prompt technical debt. You'll also learn the latest about Gemini 3 parameters including thinking levels and thought signatures, as well as new capabilities like media resolution controls and streaming function calls.
Welcome to Secure your Agents with Gemini Platform, a defense-in-depth course designed to help you establish centralized, zero-trust control over your AI workforce. You will learn to deploy Agent Gateway and Model Armor to manage agent sprawl, implement secure identity protocols like delegated identity and multi-legged OAuth flows, and set up advanced monitoring and observability. By the end, you will have the practical skills to build a secure, well-governed, and scalable agent ecosystem ready for enterprise-grade production. Explore other content in the Gemini Agent Ready (GEAR) program: https://developers.google.com/program/gear.
This course covers the technical side of governing an AI agent workforce using Agent Gateway, Agent Registry, and Policies. It discusses the overall architecture of centralized agent governance, focusing on managing agent sprawl and securing communication with internal systems. The course explores the infrastructure and enterprise networking required to deploy the Agent Gateway, including automated deployment with Terraform and configuring private egress via Private Service Connect. It offers guidance towards establishing a zero-trust security perimeter using unique agent identities with mTLS, per-tool authorization with REQUEST_AUTHZ, and granular CEL policies. Furthermore, it empowers administrators to implement content security guardrails using Model Armor in Gemini platform and Cloud DLP to mitigate semantic threats like prompt injection and data leakage. Finally, the course explains how to manage tool discovery through the Agent Registry and ensure end-to-end observability and thr…
In this challenge lab, you will demonstrate your ability to add agents to Gemini. You will build an agent with Agent Designer, and you will build a no-code agent with Agent Development Kit, deploy it to Agent Engine, and add it to Gemini.
In this challenge lab, you act as a Security Engineer deploying a secure Gemini environment for Cymbal Bank. You will ground Gemini in web search and internal Workspace sources to ensure accurate, contextual responses. To maintain compliance, you will configure Model Armor policies to filter sensitive data and block threats like prompt injections and malicious URLs. Finally, you will manage specific end-user features to customize the AI experience safely
Complete the Accelerate Development with Antigravity skill badge to demonstrate your proficiency in using the Antigravity IDE for developing agentic workflows. You will be tasked with configuring an MCP server, authoring custom agent skills and rules, prototyping with the Agents CLI, and deploying to the Google Cloud Agent Runtime. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
Complete the Evaluate and Improve Agent Development Kit Agents skill badge to demonstrate your ability to use ADK's evaluation tools to "hill climb" — making measurable, iterative improvements to an agent. You will run an initial evaluation to establish a baseline, apply optimization techniques, and re-evaluate the agent to measure your success.
In this challenge lab, you will demonstrate your ability to author agents using Agent Development Kit (ADK), deploy those agents to Agent Engine, and use them from a web app. Complete the challenge lab to earn a Google Cloud skill badge.
In this challenge lab, you will act as a cloud engineer supporting the Cymbal Pools finance team. Your mission is to deploy a BigQuery-enabled agent to Agent Runtime to help process invoice data using natural language. Rather than building from scratch, you inherit an unsecured deployment. You must establish basic data governance by configuring the Agent Development Kit (ADK), deploying the agent with a dedicated SPIFFE identity, identifying permission blocks, and applying least-privilege IAM roles so the agent can safely query and update the BigQuery database from the Agent Runtime Playground.
In this course, you explore the Code Execution feature of the Gemini platform, which lets AI agents safely generate and run Python code in isolated sandbox environments. You learn how the Agent Sandbox fits into the broader platform architecture, how to configure and operate Code Execution sandboxes using the Agent Platform SDK, and how to integrate code execution into agent workflows with the Agent Development Kit (ADK) in Gemini platform.
In this course, you learn to evaluate, diagnose, and optimize AI agents on the Gemini platform. You begin where most teams begin: the agent runs, but you have no eval cases, no test data, and no production traffic to grade it with. From there you follow the Quality Flywheel, the evaluate-analyze-optimize loop at the center of Gemini platform. You instrument the agent so it emits the telemetry Gemini platform reads, generate eval cases by simulation, choose the metrics that grade them, run offline evaluations, monitor live traffic and alert on quality drift, then cluster failures and optimize. A final module covers build-time evaluation with the Agent Development Kit (ADK) in Gemini platform, which runs on your machine before you deploy.
Deploying reliable generative and agentic systems requires moving beyond traditional software testing and subjective assessments. Because these probabilistic systems introduce unique failure modes, technical teams need structured frameworks to measure quality, enforce guardrails, and tie model behavior directly to business outcomes. Evaluate Generative and Agentic Systems gives engineers and architects practical tools to design, execute, and scale rigorous evaluation pipelines. You will master the full evaluation hierarchy, from fast deterministic checks to calibrated Large Language Model (LLM) autoraters and human-in-the-loop workflows. Learn how to simulate high-fidelity test datasets, trace multi-turn agent trajectories, and establish reliable consistency metrics across runs. By the end of this course, you will be prepared to translate organizational Key Performance Indicators (KPIs) into actionable technical benchmarks, calibrate objective rubrics, and maintain a continuous quali…
In this course, you'll learn to use the Agent Development Kit (ADK) in Gemini platform to build systems where multiple AI agents collaborate on complex tasks. You'll start with the ADK agent model: how ADK represents agents, tools, and runners, and how a single agent is configured and run. You'll then make tools the model can call, persist session state across agents, and instrument the execution lifecycle with callbacks and plugins. Next, you'll orchestrate multiple agents using ADK's template workflow agents and graph-based workflows, and ground them in enterprise data through multi-source retrieval and MCP integrations. Finally, you'll deploy a multi-agent system to Agent Runtime as a managed service and register and share it through Gemini so users across an organization can reach it.
In this course, you'll learn to build and run enterprise agents on the Managed Agents API, the managed agent runtime on Gemini platform. Three conceptual lessons give you the mental model. You'll learn why a real business task needs an agent rather than a chat model. You'll examine how the platform splits into a control plane that defines agents and a data plane that runs them. You'll learn how to assemble an agent from a definition, a sandboxed environment, mounted data, tools, and skills. Furthermore, you'll learn how to run it with background interactions, a streamed reason-act loop, resilient typed results, and state that persists across turns. You then put that model to work in a hands-on lab, where you build, run, and harden a retail merchandising agent for Cymbal Retail from an empty project to a production-shaped deployment. By the end, you'll be able to design, build, and operate a managed agent of your own.
Ce cours passe en revue les fonctionnalités de sécurité essentielles de Model Armor et vous prépare à utiliser le service. Vous découvrirez les risques de sécurité associés aux LLM et comment Model Armor protège vos applications d'IA.
This course provides learners the knowledge to configure Workforce Identity Federation to grant Google Cloud and Gemini access to users that authenticate using a third-party Identity Provider. The curriculum includes theory and demo videos covering workforce identity pools, OIDC and SAML providers, attribute mapping, IAM policies, and troubleshooting guidance.
This course covers the technical side of deploying Gemini. It discusses the overall architecture of Gemini, decisions to be made when provisioning the app infrastructure, and integrating enterprise data via Data Stores, Connectors. and Actions. The course also explores the kinds of agents that can be added to Gemini. It offers guidance towards establishing a security perimeter using IAM, VPC Service Control, Context-Aware Access, and semantic controls deployed with Model Armor in Gemini platform. Finally, it empowers administrators to fine-tune the end-user experience through comprehensive configuration options, and explains how administrators keep AI deployments secure, compliant, and performant through OpenTelemetry instrumentation and prompt logging.
This course will guide you through designing customer engagements that result in successful, well-utilized Gemini deployments. Study the art of change management, how to identify and engage sponsors, recruit early adopters, help your customer identify and address cultural change challenges and skills gaps, and effectively deliver project communications. Additionally, learn how to support your customer to plan, offer, conduct, and evaluate end-user training, leverage partner resources, and create essential project documents.
In this course, you’ll learn to simplify the creation of autonomous enterprise agents using the Agent Development Kit (ADK) in Gemini platform and you will learn how to leverage the power of Antigravity and the Agents CLI to transform your agent development workflow. In this course, you will explore practical techniques to automate repetitive tasks and significantly accelerate the creation of robust, enterprise-grade agents, ensuring scalability and efficiency in your AI projects.
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
Terminez le cours intermédiaire Gérer des modèles de données dans Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : maintenir l'état de santé des projets LookML, utiliser l'exécuteur SQL pour la validation des données, appliquer les bonnes pratiques LookML, optimiser les requêtes et les rapports sur les performances, et mettre en œuvre des tables dérivées persistantes et des règles de mise en cache.
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
This content is deprecated. Please see the latest version of the course, here.
This course will help ML Engineers, Developers, and Data Scientists implement Large Language Models for Generative AI use cases with Vertex AI. The first two modules of this course contain links to videos and prerequisite course materials that will build your knowledge foundation in Generative AI. Please do not skip these modules. The advanced modules in this course assume you have completed these earlier modules.
Ce cours présente Vertex AI Studio, un outil permettant d'interagir avec des modèles d'IA générative, de prototyper des idées commerciales et de les envoyer en production. Au moyen d'un cas d'utilisation immersif, de leçons captivantes et d'un atelier pratique, vous allez découvrir le cycle de vie de la requête au produit. Vous apprendrez également à utiliser Vertex AI Studio pour les applications multimodales Gemini, la conception de requêtes, le prompt engineering (ingénierie des requêtes) et le réglage de modèles. L'objectif est de vous permettre d'exploiter tout le potentiel de l'IA générative dans vos projets avec Vertex AI Studio.
Dans ce cours, vous allez apprendre à créer un modèle de sous-titrage d'images à l'aide du deep learning. Vous découvrirez les différents composants de ce type de modèle, comme l'encodeur et le décodeur, et comment l'entraîner et l'évaluer. À la fin du cours, vous serez en mesure de créer vos propres modèles de sous-titrage d'images et de les utiliser pour générer des sous-titres pour des images.
Ce cours présente l'architecture Transformer et le modèle BERT (Bidirectional Encoder Representations from Transformers). Vous découvrirez quels sont les principaux composants de l'architecture Transformer, tels que le mécanisme d'auto-attention, et comment ils sont utilisés pour créer un modèle BERT. Vous verrez également les différentes tâches pour lesquelles le modèle BERT peut être utilisé, comme la classification de texte, les questions-réponses et l'inférence en langage naturel. Ce cours dure environ 45 minutes.
Ce cours offre un aperçu de l'architecture encodeur/décodeur, une architecture de machine learning performante souvent utilisée pour les tâches "seq2seq", telles que la traduction automatique, la synthèse de texte et les questions-réponses. Vous découvrirez quels sont les principaux composants de l'architecture encodeur/décodeur, et comment entraîner et exécuter ces modèles. Dans le tutoriel d'atelier correspondant, vous utiliserez TensorFlow pour coder une implémentation simple de cette architecture afin de générer un poème en partant de zéro.
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.
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
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.
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.
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.
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.
Découvrez comment utiliser Gemini Notebook afin de créer un guide d'étude personnalisé pour l'examen de certification Professional Cloud Architect. 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.
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.
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 intermédiaire Créer une infrastructure avec Terraform sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : les principes d'Infrastructure as Code (IaC) avec Terraform, le provisionnement et la gestion des ressources Google Cloud avec des configurations Terraform, la gestion efficace des états (local et distant) et la modularisation du code Terraform à des fins de réutilisabilité et d'organisation.
Suivez le cours Développer votre réseau Google Cloud et obtenez un badge de compétence. Dans ce cours, vous avez appris plusieurs façons de déployer et de surveiller des applications. Pour cela, vous avez vu comment parcourir les rôles IAM et ajouter/supprimer l'accès au projet, créer des réseaux VPC, déployer et surveiller des VM Compute Engine, rédiger des requêtes SQL, déployer et surveiller des VM dans Compute Engine, mais aussi comment déployer des applications à l'aide de Kubernetes avec plusieurs approches de déploiement.
Ce cours permet aux participants d'apprendre à créer des solutions hautement fiables et efficaces sur Google Cloud en s'appuyant sur des modèles de conception éprouvés. Il s'inscrit dans la continuité des cours "Concevoir une architecture avec Google Compute Engine" et "Concevoir une architecture avec Google Kubernetes Engine" et demande une expérience pratique des technologies abordées dans chaque cours. À travers un ensemble de présentations, d'activités de conception et d'ateliers pratiques, les participants apprennent à définir des exigences techniques et commerciales, et à trouver un équilibre entre elles pour concevoir des déploiements Google Cloud hautement fiables et disponibles, sécurisés et économes.
Découvrez comment utiliser Gemini Notebook pour créer un guide d'étude personnalisé pour l'examen de certification Professional Cloud Security Engineer. Vous allez passer en revue les fonctionnalités de Gemini Notebook, créer un notebook et apprendre à utiliser un guide d'étude pour vous entraîner à passer l'examen de certification.
Les organisations de toutes tailles exploitent le potentiel et la flexibilité du cloud afin de transformer leurs opérations. Toutefois, la gestion et le scaling des ressources cloud peuvent s'avérer complexes. Ce cours présente les concepts fondamentaux des opérations modernes, de la fiabilité et de la résilience dans le cloud, ainsi que la manière dont Google Cloud peut vous aider à atteindre ces objectifs. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
De nombreuses entreprises traditionnelles utilisent d'anciens systèmes et d'anciennes applications qui ne peuvent plus satisfaire les attentes des clients d'aujourd'hui. Les chefs d'entreprise doivent régulièrement choisir entre deux options : entretenir leurs systèmes informatiques vieillissants et investir dans de nouveaux produits et services. Ce cours aborde ces problématiques et propose des solutions pour les résoudre à l'aide de la technologie cloud. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
La technologie cloud est un atout de taille qui, lorsqu'elle est associée aux données, devient un catalyseur d'innovation et d'amélioration de l'expérience client. Le cours "Explorer la transformation des données avec Google Cloud" explique comment les entreprises peuvent exploiter le cloud pour rendre leurs données plus accessibles, exploitables et utiles. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
La transformation numérique est un processus essentiel pour les entreprises modernes. La première étape pour stimuler une innovation significative consiste à établir une base solide dans le cloud computing. Le cours "La transformation numérique avec Google Cloud" présente les technologies de base et les frameworks stratégiques qui aident les entreprises à moderniser leurs opérations. Ce cours aborde les concepts fondamentaux du cloud, l'infrastructure réseau mondiale et le modèle de responsabilité partagée pour aider les dirigeants à migrer vers le cloud en toute confiance. Il fait partie du parcours de formation "Cloud Digital Leader", et vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
Ce cours en deux parties s'intitule "Journalisation, surveillance et observabilité dans Google Cloud". Les principaux outils pour les opérations de Google Cloud relèvent de deux catégories : les composants orientés opérations et la gestion des performances des applications. Le cours "Journalisation et surveillance dans Google Cloud" aborde les composants orientés opérations, y compris Logging, Monitoring et Service Monitoring. Une fois ce cours terminé, nous vous conseillons de suivre la deuxième partie, Observabilité dans Google Cloud, pour en savoir plus sur les outils de gestion des performances des applications disponibles.
Terminez le cours intermédiaire Optimiser les coûts pour Google Kubernetes Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et la gestion de clusters mutualisés, la surveillance de l'utilisation des ressources par espace de noms, la configuration de l'autoscaling des pods et des clusters pour accroître l'efficacité, la configuration de l'équilibrage de charge pour distribuer les ressources de façon optimale et l'implémentation des vérifications d'activité et d'aptitude pour garantir l'intégrité ainsi que la rentabilité des applications.
Bienvenue dans le cours "Premiers pas avec Google Kubernetes Engine". Si vous vous intéressez à Kubernetes, une couche logicielle située entre vos applications et votre infrastructure matérielle, vous êtes au bon endroit. Google Kubernetes Engine vous permet d'accéder à Kubernetes en tant que service géré sur Google Cloud. L'objectif de ce cours est de vous présenter les principes de base de Google Kubernetes Engine (GKE), et de vous apprendre à conteneuriser et exécuter des applications dans Google Cloud. Le cours commence par une introduction aux principes de base de Google Cloud, puis se poursuit par une présentation des conteneurs et de Kubernetes, de l'architecture de Kubernetes et des opérations Kubernetes.
Ce cours accéléré à la demande présente aux participants l'infrastructure complète et flexible de Google Cloud Platform ainsi que les services de plate-forme fournis, en s'intéressant plus particulièrement à Compute Engine. À travers un ensemble de vidéos de présentation, de démonstrations et d'ateliers pratiques, les participants découvrent et déploient des éléments de solution, y compris des composants d'infrastructure tels que les réseaux, les systèmes et les services applicatifs. Ce cours aborde également le déploiement de solutions pratiques, telles que les clés de chiffrement fournies par le client, la gestion de la sécurité et des accès, les quotas et la facturation, ainsi que la surveillance des ressources.
Ce cours à la demande accéléré présente aux participants les services complets et flexibles d'infrastructure et de plate-forme offerts par Google Cloud. À travers un ensemble de cours vidéo, de démonstrations et d'ateliers pratiques, les participants explorent et déploient des éléments de solution, y compris l'interconnexion sécurisée de réseaux, l'équilibrage de charge, l'autoscaling, l'automatisation de l'infrastructure et les services gérés.
Ce cours accéléré à la demande présente aux participants les services complets et flexibles d'infrastructure et de plate-forme offerts par Google Cloud, en s'intéressant plus particulièrement à Compute Engine. À travers un ensemble de cours vidéo, de démonstrations et d'ateliers pratiques, les participants découvrent et déploient des éléments de solution, y compris des composants d'infrastructure tels que des réseaux, des machines virtuelles et des services d'applications. Vous découvrirez comment utiliser Google Cloud via la console et Cloud Shell. Vous en apprendrez également plus sur le rôle d'un architecte cloud, sur les approches de la conception d'infrastructure et sur la configuration de réseaux virtuels avec Virtual Private Cloud (VPC), les projets, les réseaux, les sous-réseaux, les adresses IP, les routes et les règles de pare-feu.
"Concepts fondamentaux de Google Cloud : infrastructure de base" présente les concepts et les termes à connaître pour utiliser Google Cloud. À travers des vidéos et des ateliers pratiques, il décrit et compare la plupart des services Google Cloud de calcul et de stockage, ainsi que des outils importants de gestion des ressources et des règles.