Kevin Zhang
Date d'abonnement : 2022
Ligue de Diamant
79462 points
Date d'abonnement : 2022
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.
Ce cours s'adresse aux développeurs Google Cloud et aux ingénieurs DevOps qui possèdent des connaissances de base de la console Google Cloud et qui sont chargés de configurer Gemini Code Assist pour une organisation. Il présente les avantages de Gemini Code Assist et compare les fonctionnalités des différentes éditions. Il vous explique également comment configurer et gérer Gemini Code Assist dans une organisation.
Ce cours présente Gemini Enterprise, une plate-forme puissante qui rassemble des agents IA, la recherche d'entreprise, Gemini Notebook et un accès intelligent aux données pour relever les défis organisationnels. À travers des exemples concrets et une exploration pratique, les participants pourront lier les fonctionnalités de Gemini Enterprise à des besoins métiers réels, décrire son architecture et expliquer comment il gère l'accès aux données et la confidentialité entre les différents rôles.
Dans le dernier volet de la série de cours sur Dataflow, nous allons présenter les composants du modèle opérationnel de Dataflow. Nous examinerons les outils et techniques permettant de résoudre les problèmes et d'optimiser les performances des pipelines. Nous passerons ensuite en revue les bonnes pratiques en matière de test, de déploiement et de fiabilité pour les pipelines Dataflow. Nous terminerons par une présentation des modèles, qui permettent de faire évoluer facilement les pipelines Dataflow pour les adapter aux organisations comptant des centaines d'utilisateurs. Ces leçons vous aideront à vous assurer que votre plate-forme de données est stable et résiliente face aux imprévus.
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.
Terminez le cours intermédiaire Créer un entrepôt de données avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : la jointure de données pour créer des tables, la résolution des problèmes liés aux jointures, l'ajout de données avec des unions, la création de tables partitionnées par date, et l'utilisation d'objets JSON, ARRAY et STRUCT dans BigQuery.
Dans ce cours, vous allez explorer l'ingénierie de données sur Google Cloud, les rôles et responsabilités des ingénieurs de données, et la façon dont ces éléments se retrouvent dans les offres Google Cloud. Vous apprendrez également à relever les défis liés à l'ingénierie de données.
Ce cours présente Gemini dans BigQuery, une suite de fonctionnalités basées sur l'IA conçue pour faciliter le workflow "des données à l'IA". Ces fonctionnalités incluent l'exploration et la préparation des données, la génération et le dépannage de code, ainsi que la découverte et la visualisation du workflow. Au moyen d'explications conceptuelles, d'un cas d'utilisation concret et d'ateliers pratiques, le cours explique aux professionnels des données comment booster leur productivité et accélérer le pipeline de développement.
Terminez le cours intermédiaire Créer des modèles de ML avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'évaluation de modèles de machine learning avec BigQuery ML pour générer des prédictions de données.
Ce cours porte sur l'automatisation et la gestion opérationnelle des clusters GKE optimisés pour les charges de travail d'IA et de machine learning distribuées. Vous apprendrez à provisionner des ressources d'accélération, à configurer la mise en file d'attente avancée des charges de travail, à atténuer les contraintes de capacité et à orchestrer des jobs distribués à grande échelle.
Ce cours explique comment moderniser, gérer et observer des applications à grande échelle à l'aide de Google Kubernetes Engine. Il s'appuie sur des présentations et des ateliers pratiques pour vous aider à explorer et à déployer des applications modernes à l'aide de Google Kubernetes Engine (GKE), de parcs GKE, de Cloud Service Mesh et de Config Controller, même lorsqu'elles sont réparties sur plusieurs clusters hébergés par différents fournisseurs.
Dans ce cours, vous allez explorer les thèmes essentiels concernant la conception, la création et la gestion d'une solution Gemini Enterprise for Customer Experience (GECX) performante. Préparez-vous à redéfinir les limites du possible et à créer une architecture qui favorise la satisfaction client. Ce cours est conçu pour vous présenter l'architecture de GECX. Vous découvrirez les principaux aspects à prendre en compte pour créer et implémenter des solutions d'IA conversationnelle, y compris les intégrations et les composants clés de l'architecture. Vous explorerez également les intégrations à Gemini Enterprise Agent Platform et obtiendrez un aperçu général des principales fonctionnalités de GECX.
Redéfinissez votre vision du service client grâce à ce cours sur Gemini Enterprise for Customer Experience (GECX) et ses puissantes fonctionnalités d'IA générative. Vous commencerez par retracer l'évolution des centres de contact et par comprendre comment l'IA générative les fait progresser. Vous découvrirez ensuite en détail les principaux composants de base de la solution GECX et comment chacun d'eux contribue à offrir des expériences client exceptionnelles. Le cours se termine par l'exploration de l'argumentaire commercial solide en faveur de GECX, ainsi que par la découverte de cas d'utilisation concrets et des différents personas qui tirent parti de cette solution innovante.
Dans ce cours, vous allez apprendre à exploiter Conversational Insights pour découvrir des informations cachées dans les données de votre centre de contact, afin d'améliorer l'efficacité opérationnelle et de prendre des décisions commerciales basées sur les données.
In this introductory course, you'll learn how Looker can help you explore, analyze, and visualize your data to drive better decisions. Through a combination of video lectures and demos, you'll discover how to connect to various data sources, build interactive dashboards, and perform effective data analysis. Whether you're a data analyst, BI analyst, data scientist or business user, this course will equip you with the foundational knowledge to start using Looker effectively, regardless of your background.
Ce cours fournit les connaissances de base pour sécuriser votre environnement Google Cloud. Vous découvrirez le modèle de sécurité de Google Cloud, y compris les principes zéro confiance et le modèle dit de "destin partagé". Vous configurerez des services d'identité tels que Cloud Identity et la fédération des identités des employés, gérerez le contrôle des accès à l'aide de rôles, de conditions et de stratégies IAM (Identity and Access Management), et implémenterez des contrôles de sécurité réseau tels que des VPC, des niveaux Cloud Firewall et VPC Service Controls pour créer un périmètre sécurisé. Ce cours, qui constitue la base du parcours de formation "Security in Google Cloud" , établit les principes fondamentaux requis pour deux parcours spécialisés ultérieurs : la série de cinq cours "Bonnes pratiques de sécurité dans Google Cloud" et la série de quatre cours "Limiter les menaces dans Google Cloud".
Créer des agents IA capables d'exploiter des bases de données d'entreprise à l'aide de MCP Toolbox for Databases. Vous définirez des outils d'interaction sécurisée avec les bases de données et implémenterez des fonctionnalités de requêtage intelligent (en exploitant les embeddings vectoriels et les requêtes structurées).
Découvrez les pratiques d'AgentOps nécessaires pour faire passer les agents d'IA générative du prototype à la production. Ce cours aborde l'observabilité de bout en bout, l'automatisation des contrôles qualité dans les pipelines CI/CD et la sécurisation de l'infrastructure des agents pour la conformité en entreprise. Explorez les autres contenus du programme Gemini Enterprise Agent Ready (GEAR).
This course brings AI-driven, natural-language data engineering into the IDE and CLI workflows you already use. Built on the Agent Development Kit (ADK), the Data Agent Kit connects to a wide array of Google Cloud services, including BigQuery, Spanner, BigLake, Dataproc, and Managed Airflow. By using it, you can collapse days of pipeline scaffolding, data build tool (dbt) authoring, and orchestration wiring into prompt-driven sessions. As an intermediate-to-advanced practitioner, you will learn to build a data agent with the Agent Development Kit (ADK). You'll wire up the Model Context Protocol (MCP) layer, and use your agent to explore catalogs, transform data, train models, and orchestrate scheduled pipelines on Google Cloud.
Vous avez créé des agents dotés d'une configuration avancée. Donnez-leur maintenant des capacités concrètes. Fournissez-leur des outils permettant de faire des recherches sur le Web, d'exécuter du code, d'interroger des bases de données et d'effectuer des actions personnalisées. Transformez-les de simples interlocuteurs intelligents en assistants compétents qui passent à l'action. Explorez d'autres contenus du programme Gemini Enterprise Agent Ready (GEAR). Rejoindre le forum de la communauté pour poser des questions et discuter.
Vous avez créé des agents LLM de base qui répondent aux requêtes. Nous allons maintenant en faire des agents avec état. Utilisez l'état de session pour concevoir des agents capables de conserver le contexte, de mémoriser les préférences de l'utilisateur et d'offrir des expériences personnalisées. Transformez des agents sans état en assistants intelligents. Explorez d'autres contenus du programme Gemini Enterprise Agent Ready (GEAR). Rejoindre le forum de la communauté pour poser des questions et discuter
Terminez le cours intermédiaire Concevoir des agents IA avec Agent Development Kit (ADK) pour recevoir un badge démontrant les compétences suivantes : formuler des problèmes concrets de recherche sur les modèles de langage, créer un tokenizer simple, préparer un ensemble de données pour entraîner un modèle de langage Transformer, exécuter la boucle d'entraînement d'un petit modèle de langage.
Vous avez créé votre premier agent. Il est maintenant temps de passer à l'étape suivante. Dans ce cours, vous développerez vos compétences en apprenant à transformer un agent IA simple en un assistant sophistiqué et précis, grâce à des instructions avancées, à une sélection de modèles, à des capacités de planification et à des modèles de sortie structurés. Explorez d'autres contenus du programme Gemini Enterprise Agent Ready (GEAR). Rejoindre le forum de la communauté pour poser des questions et discuter.
Entrez dans l'avenir avec Stratégie agentique : découverte, conception et prototype. Ce cours vous permet de maîtriser le framework de transformation de l'IA agentique de Google et de passer des chatbots à des collaborateurs autonomes. À travers un cas d'utilisation dans le secteur du commerce, vous apprendrez à quantifier la valeur métier, à prioriser vos projets d'IA, à cartographier les parcours utilisateur critiques et à créer des prototypes fonctionnels à l'aide d'outils sans code tels que Google AI Studio et Gemini Enterprise. Ce cours offre aux dirigeants d'entreprise et aux responsables techniques une feuille de route solide, indispensable pour mener leur organisation vers l'ère de l'IA agentique.
Dans ce cours, vous allez apprendre à créer des logiciels à une vitesse fulgurante en orchestrant des agents dans Google Antigravity. Ce cours pratique vous accompagnera d'abord dans l'installation et la prise en main d'Antigravity. Vous allez ensuite activer des services pour les applications que vous créez avec Antigravity à l'aide de Firebase. Enfin, vous allez créer un jeu vidéo, Voyager, en demandant aux agents d'Antigravity de travailler en parallèle.
Ce cours fournit une présentation complète des plates-formes d'agents de Google Cloud, comme Vertex AI Agent Builder, Gemini Enterprise, Conversational Agents et Agent Development Kit. Les participants comprendront les capacités uniques de chaque offre, apprendront à identifier la solution optimale pour chaque cas d'utilisation et acquerront les bases nécessaires à la création d'applications de recherche et de chat.
Suivez le cours avancé Utiliser les compétences d'agent avec des systèmes multi-agents pour obtenir un badge de compétence démontrant vos compétences dans les domaines suivants : création de systèmes multi-agents avec ADK, connexion d'agents avec le protocole A2A (Agent-to-Agent), intégration d'outils externes à l'aide du protocole MCP (Model Context Protocol) et déploiement d'une solution multi-agent complète sur Agent Engine. Explorez d'autres contenus du programme Gemini Enterprise Agent Ready (GEAR).
Apprenez à concevoir, coordonner et déployer des systèmes multi-agents à l'aide d'Agent Development Kit (ADK) de Google et du protocole MCP (Model Context Protocol). En utilisant l'exemple d'un service de conciergerie de voyage, vous apprendrez à orchestrer un réseau d'agents spécialisés avec des garde-fous personnalisés. À la fin du cours, vous comprendrez les modèles de conception et les stratégies de déploiement nécessaires pour créer des workflows d'IA robustes et évolutifs.
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
Obtenez un badge de compétence en suivant le cours 'Créer une application cloud intelligente avec le vibe coding et MCP', dans lequel vous apprendrez à exploiter la puissance de l'assistant IA de codage de Google et des serveurs MCP.
Dans ce cours, vous utiliserez Google Agent Development Kit pour créer des systèmes multi-agents complexes. Vous développerez des agents équipés d'outils qui pourront interagir sur la base de flux et de relations parent-enfant. Vous allez exécuter vos agents en local et les déployer sur Agent Runtime de Gemini Enterprise Agent Platform sous la forme d'un flux agentique géré, où les décisions concernant l'infrastructure et le scaling des ressources seront traitées par Agent Runtime. Veuillez noter que ces ateliers sont basés sur une version préliminaire du produit. Les mises à jour ne seront peut-être pas immédiatement reflétées dans le contenu.
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.
Terminez le cours intermédiaire Implémenter des pratiques de base pour la sécurité du cloud sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'attribution de rôles avec Identity and Access Management (IAM) ; la création et la gestion de comptes de service ; l'activation d'une connectivité privée sur les réseaux de cloud privé virtuel (VPC) ; la restriction de l'accès aux applications avec Identity-Aware Proxy ; la gestion des clés et des données chiffrées avec Cloud Key Management Service (KMS) ; et la création d'un cluster Kubernetes privé.
Terminez le cours avancé Déployer des architectures multi-agents pour recevoir un badge démontrant les compétences suivantes : créer des systèmes multi-agents avec ADK, connecter des agents avec le protocole A2A (Agent-to-Agent), intégrer des outils externes à l'aide du protocole MCP (Model Context Protocol) et déployer une solution multi-agents complète sur Agent Engine.
Obtenez un badge de compétence en suivant le cours Créer un lac de flux de données sur Cloud Storage, dans lequel vous utiliserez Pub/Sub, Dataflow et Cloud Storage pour créer un lac de flux de données sur Google Cloud.
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.
The AI Infra Enablement Series, is designed for expert AI Infra CE, FSA, and GCC professionals. It aims to provide deep technical content, architecting experience, and hands-on opportunities in building end-to-end solutions. The series will cover key areas such as Customer Stories, Accelerator Orchestration, TPU/GPU, AI Infra Storage, and AI Infra Observability. Participants will gain insights into troubleshooting, customer use cases, decision frameworks, and roadmap impacts for current and future deliveries in AI infrastructure. The goal is to equip attendees with the knowledge and skills to effectively develop customer solutions and navigate the fast-moving product portfolio in AI. You can find all of our courses and technical learning packs on go/trainingcatalog. Brought to you by the GCC Tech Enablement Team (gcc-enablement@). Share your request/feedback on go/learningpacks-feedback! When you complete this course, you can earn the badge displayed here! View all the badges yo…
This course provides an overview of Google's AI infrastructure offerings, distinguishing between Google-managed (Vertex AI, Cloud Run) and self-managed (GKE, GCE) solutions. It discusses various GPU/TPU consumption models like DWS, Spot, and Reservations, and highlights key differentiators of GKE for AI workloads, including Cluster Director, AI Inference Gateway, and Custom Compute Classes. It also touches upon identifying customer personas and use cases for each product. Learning Objectives Articulate the fundamental technical concepts underpinning modern cloud infrastructure and AI workloads. Differentiate between various cloud runtimes beyond Kubernetes, and explain their respective strengths and use cases. Identify and describe the capabilities of Google Compute Engine (GCE) resources, specifically TPUs and GPUs, for accelerating computational tasks. Design and propose practical AI infrastructure solutions, including inference workloads, supported by relevant use cases and imple…
Bienvenue dans le cours "AI Infrastructure : techniques de mise en réseau". Dans ce cours, vous apprendrez à exploiter l'infrastructure à large bande passante et à faible latence de Google Cloud pour optimiser le transfert de données et la communication entre tous les composants de votre système d'IA. À la fin de ce cours, vous comprendrez le rôle essentiel que joue la mise en réseau dans l'ensemble du pipeline d'IA, de l'ingestion de données et de l'entraînement à l'inférence. Vous serez également capable d'appliquer les bonnes pratiques pour vous assurer que vos charges de travail s'exécutent à vitesse maximale.
Dans ce cours, vous découvrirez en détail les solutions de stockage disponibles sur Google Cloud, spécialement conçues pour les charges de travail d'IA et de calcul haute performance (HPC). Vous apprendrez à choisir le stockage adapté à chaque étape du cycle de vie du ML. Vous découvrirez comment optimiser les performances d'E/S pendant l'entraînement, à gérer des ensembles de données massifs pour la préparation des données et à livrer les artefacts du modèle avec une faible latence. Grâce à des exemples et à des démonstrations pratiques, vous acquerrez l'expertise nécessaire pour concevoir des solutions de stockage robustes qui accéléreront vos innovations en matière d'IA.
Ce cours constitue un guide complet pour déployer, gérer et optimiser des charges de travail d'IA et de calcul hautes performances (HPC) sur Google Cloud. À travers une série de leçons et de démonstrations pratiques, vous explorerez diverses stratégies de déploiement, allant d'environnements hautement personnalisables utilisant Google Compute Engine (GCE) à des solutions gérées comme Google Kubernetes Engine (GKE). Plus précisément, vous apprendrez à créer des clusters et à déployer GKE pour l'inférence.
This course is for developers interested in learning how to use TPUs for inference—from architecture to deployment, and how to solve common implementation challenges. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
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.
This lab tests your ability to develop a real-world Generative AI Q&A solution using a RAG framework. You will use Firestore as a vector database and deploy a Flask app as a user interface to query a food safety knowledge base.
Complete the Edit images with Imagen skill badge to demonstrate your skills with Imagen's mask modes and editing modes to edit images according to certain prompts. 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!
In this skill bagde, you will demonstrate your ability to use and compare models available in the Vertex AI Model Garden. You'll deploy a model to a Vertex AI Endpoint, query other models via their API, and use Vertex AI's Gen AI evaluation service to measure the performance of multiple models.
Complete the Extend Gemini with controlled generation and Tool use skill badge to demonstrate your proficiency in connecting models to external tools and APIs. This allows models to augment their knowledge, extend their capabilities and interact with external systems to take actions such as sending an email. 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!"
Learn how to create Hybrid Search applications using Vector Search on Gemini platform to combine semantic searching with keyword search to return results based on both semantic meaning and keyword matching.
Learn how to build your own Retrieval-Augmented Generation (RAG) solutions for greater control and flexibility than out-of-the-box implementations. Create a custom RAG solution using Gemini platform APIs, vector stores, and the LangChain framework.
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.
Explore a variety of techniques for using Gemini to understand image, audio, video, and live-streaming media. You will discover how meaningful information can be extracted from each of these forms of media to use in media-rich applications.
This course dives into the world of media creation with Gemini Enterprise Agent Platform using Nano Banana and Veo. Learn to design text and image-based prompts to produce high-quality, consistent images, and captivating, cinematic video clips. You'll also learn to refine generated assets using core editing functions. Finally, this course guides you through multi-tool workflow implementations for creative control and consistency, empowering you to transform images into video clips and leverage Gemini for prompt writing assistance and feedback.
With this course you will learn how to use different techniques to fine-tune Gemini. Model tuning is an effective way to customize large models like Gemini for your specific tasks. It's a key step to improve the model's quality and efficiency. This course will give an overview of model tuning, describe the tuning options available for Gemini, help you determine when each tuning option should be used and how to perform tuning.
Model Garden on Gemini platform is a model library that helps you discover, test, and deploy models from Google and Google partners. Learn how to explore the available models and select the right ones for your use case. And how to deploy and interact with Model Garden models through the Google Cloud console and APIs.
An LLM-based application can process language in a way that resembles thought. But if you want to extend its capabilities to take actions by running other functions you have coded, you will need to use function calling. This can also be referred to as tool use. Additionally, you can give a model the ability to search Google or search a data store of documents to ground its responses. In other words, to base its answers on that information. In this course, you’ll explore these concepts.
Learn a variety of strategies and techniques to engineer effective prompts for generative models
Learn how to leverage Gemini multimodal capabilities to process and generate text, images, and audio and to integrate Gemini through APIs to perform tasks such as content creation and summarization.
Become an AI/ML Expert and Trusted Customer Advisor Are you a technical Cloud Googler ready to elevate your AI/ML expertise and become a go-to resource for customers? This on-demand learning pack captures the essence of the acclaimed AI/ML SME Academy, delivering advanced knowledge and practical insights to empower you in the dynamic world of artificial intelligence and machine learning. The typical participant is comfortable with AI/ML fundamentals and is looking to exercise and advance their knowledge to the next level. Topics covered in this academy AI Infrastructure - Platform overviews of TPU and GPU architectures, cluster provisioning and management, scaling training workloads using various technologies, and deploying ML models for inference at scale with different optimization techniques and frameworks. Agents - Connector architecture, custom connector development, indexing and search architectures, agentic architectures, communication patterns, agent lifecycle management, a…
Bienvenue dans le cours sur Cloud TPU. Nous allons explorer les avantages et les inconvénients des TPU dans différents scénarios et comparer différents accélérateurs de TPU pour vous aider à choisir celui qui vous convient le mieux. Vous découvrirez des stratégies pour optimiser les performances et l'efficacité de vos modèles d'IA et comprendrez l'importance de l'interopérabilité GPU/TPU pour des flux de travail d'apprentissage automatique flexibles. Grâce à des contenus attrayants et à des démonstrations pratiques, nous vous guiderons étape par étape pour exploiter efficacement les TPU.
Le matériel puissant qui se cache derrière l'IA vous intrigue ? Ce module décortique les ordinateurs à intelligence artificielle optimisés pour les performances et vous montre pourquoi ils sont si importants. Nous allons voir comment les CPU, les GPU et les TPU rendent les tâches d'IA extrêmement rapides, ce qui fait la spécificité de chacun, et comment les logiciels d'IA en tirent le meilleur parti. À la fin de ce module, vous saurez exactement comment sélectionner le GPU adapté à vos projets d'IA, ce qui vous permettra de faire des choix judicieux pour vos charges de travail d'IA.
Vous souhaitez utiliser AI Hypercomputer ? Ce cours est conçu pour vous aider à vous lancer. Nous aborderons les principes de base de cet outil et comment il aide l'IA dans ses charges de travail. Vous découvrirez les différents composants d'un hypercalculateur, tels que les GPU, les TPU et les CPU, et apprendrez à choisir la méthode de déploiement la mieux adaptée à vos besoins.
Complete the Extend Gemini Capabilities skill badge to demonstrate your ability to extend Gemini capabilities with actions, grounding with Google Search, and a conversational agent. 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 Create media search and media recommendations applications with AI Applications skill badge to demonstrate your ability to create, configure, and access media search and recommendations applications using AI Applications. Please note that AI Applications was previously named Agent Builder, so you may encounter this older name within the lab content. 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 Configure and optimize Agent Search skill badge to demonstrate your proficiency in configuring search results from Agent Search. You will be tasked with implementing search serving controls to boost and bury results, filter entries from search results and display metadata in your search interface. Please note that Agent Search was previously named AI Applications, so you may encounter this older name within the lab content. 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 Create and maintain Agent Search data stores skill badge to demonstrate your proficiency in building various types of data stores used in Agent Search applications. 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!
Data stores represent a simple way to make content available to many types of generative AI applications, including search applications, recommendations engines, Gemini platform apps, Agent Development Kit (ADK) in Gemini platform agents, and apps built with Google Gen AI or LangChain SDKs. Connect data from many sources include Cloud Storage, Google Drive, chat apps, mail apps, ticketing systems, third-party file storage providers, Salesforce, and many more.
Do you want to keep your users engaged by suggesting content they'll love? This course equips you with the skills to build a cutting-edge recommendations app using your own data with no prior machine learning knowledge. You learn to leverage AI Applications to build recommendation applications so that audiences can discover more personalized content, like what to watch or read next, with Google-quality results customized using optimization objectives.
NotebookLM is an AI-powered collaborator that helps you do your best thinking. After uploading your documents, NotebookLM becomes an instant expert in those sources so you can read, take notes, and collaborate with it to refine and organize your ideas. NotebookLM Pro gives you everything already included with NotebookLM, as well as higher utilization limits, access to premium features, and additional sharing options and analytics.
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.
AI Applications provides built-in analytics for your Agent Search and Gemini. Learn what metrics are tracked and how to view them in this course.
Initial deployment of Agent Search and Gemini takes only a few clicks, but getting the configurations right can elevate a deployment from a basic off-the-shelf app to an excellent custom search or recommendations experience. In this course, you'll learn more about the many ways you can customize and improve search, recommendations, and Gemini.
Complete the Build search and recommendations AI Applications skill badge to demonstrate your proficiency in deploying search and recommendation applications through AI Applications. Additionally, emphasis is placed on constructing a tailored Q&A system utilizing data stores. Please note that AI Applications was previously named Agent Builder, so you may encounter this older name within the lab content. 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!
This course introduces AI Applications. You will learn about the types of apps that you can create using AI Applications, the high-level steps that its data stores automate for you, and what advanced features can be enabled for Search apps. (Please note Gemini Enterprise was previously named Google Agentspace, there may be references to the previous product name in this course.)
Ce cours est une introduction à Terraform pour Google Cloud. Il permet aux participants de découvrir comment Terraform peut être utilisé pour implémenter une Infrastructure as Code, et comment appliquer certaines de ses fonctionnalités essentielles pour créer et gérer une infrastructure Google Cloud. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant et en gérant des ressources Google Cloud à l'aide de Terraform.
Combinez l'expertise de Google dans les domaines de la recherche et de l'IA grâce à Gemini Enterprise. Cet outil puissant est conçu pour aider les collaborateurs à trouver des informations précises dans des documents stockés, des e-mails, des conversations, des systèmes de suivi des demandes et d'autres sources de données, le tout grâce à une simple barre de recherche. L'assistant Gemini Enterprise peut également les aider à trouver des idées, faire des recherches, résumer des documents et exécuter des tâches comme inviter des collègues à un événement d'agenda pour faciliter la collaboration et l'exploitation des connaissances. (Veuillez noter que Gemini Enterprise s'appelait auparavant Google Agentspace ; il se peut donc que ce cours contienne des références à l'ancien nom du produit.)
Dans ce cours, vous découvrirez comment Gemini, un collaborateur de Google Cloud optimisé par l'IA générative, aide les administrateurs à provisionner l'infrastructure. Vous apprendrez à demander à Gemini d'expliquer l'infrastructure, de déployer les clusters GKE et de mettre à jour l'infrastructure existante. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore le workflow de déploiement GKE. Duet AI a été renommé "Gemini", notre modèle nouvelle génération.
Dans ce cours, vous découvrirez comment Gemini, un collaborateur de Google Cloud optimisé par l'IA générative, aide les ingénieurs à gérer l'infrastructure. Vous apprendrez à demander à Gemini de trouver et comprendre les journaux d'application, de créer un cluster GKE et d'étudier comment créer un environnement de compilation. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore le workflow DevOps. Duet AI a été renommé Gemini, notre modèle nouvelle génération.
Artificial Intelligence (AI) offers transformative possibilities, but it also introduces new security challenges. This course equips security and data protection leaders with strategies to securely manage AI within their organizations. Learn a framework for proactively identifying and mitigating AI-specific risks, protecting sensitive data, ensuring compliance, and building a resilient AI infrastructure. Pick use cases from four different industries to explore how these strategies apply in real-world scenarios.
This is an opportunity for Technical Cloud Googlers to enhance their TPU/GPU skills and knowledge through a deep dive program covering the following focus areas/ individual tracks: TPU/GPU Networking GKE Expertise Slurm Expertise TPU/GPU Storage Best Practices Common transformer/LLM frameworks (Huggingface/triton/etc) Monitoring and logging for TPU/GPU
Ce cours présente des points importants au sujet de la confidentialité et de la sécurité de l'IA. Vous découvrirez des méthodes pratiques et des outils pour mettre en place des pratiques recommandées de confidentialité et de sécurité de l'IA à l'aide de produits Google Cloud et d'outils Open Source.
Ce cours présente les concepts d'interprétabilité et de transparence de l'IA. Il explique en quoi la transparence de l'IA est importante pour les développeurs et les ingénieurs. Il explore des méthodes et des outils pratiques permettant d'atteindre l'interprétabilité et la transparence des modèles d'IA et des données.
Ce cours présente le concept d'IA responsable et les principes associés. Il met en avant des techniques permettant d'identifier des données équitables ou biaisées, et de limiter les biais lors de l'utilisation de l'IA/du ML. Vous découvrirez des méthodes pratiques et des outils pour mettre en place de bonnes pratiques d'IA responsable à l'aide des produits Google Cloud et des outils Open Source.
Les applications d'IA générative peuvent créer de nouvelles expériences utilisateur qu'il était quasiment impossible d'obtenir avant l'invention des grands modèles de langage (LLM). En tant que développeur d'applications, comment pouvez-vous utiliser l'IA générative pour créer des applications interactives et performantes sur Google Cloud ? Dans ce cours, vous allez découvrir les applications d'IA générative, et comment vous pouvez utiliser la conception de requêtes et la génération augmentée par récupération (RAG) pour créer des applications performantes à l'aide de LLM. Vous allez vous familiariser avec une architecture prête pour la production qui peut être utilisée pour les applications d'IA générative, et vous allez créer une application de chat basée sur des LLM et sur le RAG.
Dans ce cours, vous profiterez de l'expérience d'ingénieurs et de formateurs en ML qui développent des pipelines de ML chez Google Cloud à l'aide de technologies de pointe. Les premiers modules porteront sur TensorFlow Extended (TFX), la plate-forme Google de machine learning de production basée sur TensorFlow et conçue pour gérer des pipelines et des métadonnées de ML. Vous explorerez les composants de pipelines et apprendrez à orchestrer des pipelines avec TFX. Vous verrez également comment automatiser vos pipelines au moyen d'une intégration et d'un déploiement continus, et comment gérer des métadonnées de ML. Ensuite, nous découvrirons comment automatiser et réutiliser des pipelines de ML sur plusieurs frameworks de ML tels que TensorFlow, PyTorch, scikit-learn et XGBoost. Vous apprendrez également à utiliser Cloud Composer, un autre outil Google Cloud, pour orchestrer vos pipelines d'entraînement continu. Enfin, nous verrons comment utiliser MLflow pour gérer l'ensemble du cycle d…
Ce cours apporte aux professionnels du machine learning les techniques, les bonnes pratiques et les outils essentiels pour évaluer les modèles d'IA prédictive et générative. L'évaluation des modèles est primordiale pour s'assurer que les systèmes de ML fournissent des résultats fiables, précis et de haut niveau en production. Les participants acquerront une connaissance approfondie de diverses métriques et méthodologies d'évaluation, ainsi que de leur application appropriée dans différents types de modèles et tâches. Le cours mettra l'accent sur les défis uniques posés par les modèles d'IA générative et proposera des stratégies pour les relever efficacement. Grâce à la plate-forme Vertex AI de Google Cloud, les participants apprendront à implémenter des processus d'évaluation rigoureux pour la sélection, l'optimisation et la surveillance continue des modèles.
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.
Dans ce cours, nous abordons en détail les composants et les bonnes pratiques de construction de systèmes de ML hautes performances dans des environnements de production. Nous verrons aussi certaines des considérations les plus courantes concernant la construction de ces systèmes, telles que l'entraînement statique, l'entraînement dynamique, l'inférence statique, l'inférence dynamique, les tâches TensorFlow distribuées et les TPU. Ce cours a pour objectif d'explorer les caractéristiques d'un bon système de ML, au-delà de sa capacité à effectuer des prédictions correctes.
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.
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 est une introduction aux notebooks Vertex AI, des environnements basés sur des notebooks Jupyter qui proposent une plate-forme unifiée pour l'ensemble du workflow de machine learning, de la préparation des données jusqu'au déploiement et à la surveillance des modèles. Le cours aborde les sujets suivants : (1) Les différents types de notebooks Vertex AI et leurs fonctionnalités, et (2) comment en créer et les gérer.
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.
Découvrez comment utiliser Gemini Notebook afin de créer un guide de préparation personnalisé pour l'examen de certification Professional Machine Learning Engineer (PMLE). Vous allez passer en revue les fonctionnalités de Gemini Notebook, créer un notebook et utiliser le guide de préparation pour vous entraîner en vue d'un examen de certification.
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.
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.
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.
Earn a skill badge by completing the Deploy Google Cloud Framework Data Foundation for SAP quest. 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 this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
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 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 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 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.
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, …
Terminez le cours d'introduction Créer et gérer des instances AlloyDB pour recevoir un badge démontrant vos compétences dans les domaines suivants : effectuer les principales tâches et opérations AlloyDB, migrer de PostgreSQL vers AlloyDB, administrer une base de données AlloyDB et accélérer les requêtes analytiques à l'aide du moteur de données en colonnes AlloyDB.
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.
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.
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.
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.
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.
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.
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.
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 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 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.
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.
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 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 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.
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 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.
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.
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.
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.