Date d'abonnement : 2025
Unlock Insights with NotebookLM
Earned avr. 12, 2026 EDT
Travailler avec des modèles Gemini dans BigQuery
Earned fév. 15, 2026 EST
Utiliser BigQuery Machine Learning pour l'inférence
Earned fév. 15, 2026 EST
Gemini pour les data scientists et les analystes
Earned fév. 3, 2026 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned oct. 19, 2025 EDT
In this course, you will learn how to centralize diverse sources like PDFs, web pages, and even audio files into a single, intelligent workspace. You will learn to chat with your documents to find specific information, generate instant summaries, and verify answers with AI-powered citations.
Ce cours montre comment utiliser des modèles d'IA/de ML pour des tâches d'IA générative dans BigQuery. À travers un cas d'utilisation pratique faisant intervenir la gestion de la relation client, vous étudierez le workflow de résolution d'un problème métier à l'aide de modèles Gemini. Pour faciliter la compréhension, le cours fournit également des instructions détaillées tout au long du codage des solutions à l'aide de requêtes SQL et de Notebooks Python.
Découvrez BigQuery ML pour l'inférence, pourquoi les analystes de données devraient s'en servir, ses cas d'utilisation et les modèles de ML compatibles. Apprenez également à créer des modèles de ML et à les gérer dans BigQuery.
Dans ce cours, vous découvrirez comment Gemini, un outil de collaboration Google Cloud optimisé par l'IA générative, aide à analyser les données client et à prédire les ventes de produits. Vous apprendrez également à identifier, classer et développer de nouveaux clients à l'aide des données client dans BigQuery. À l'aide d'ateliers pratiques, vous verrez en quoi Gemini améliore les workflows d'analyse de données et de machine learning. Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
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.