ibrahim elsanhouri
Date d'abonnement : 2025
Ligue de Diamant
22879 points
Créer des agents IA avec des bases de données d'entreprise
Earned sept. 5, 2026 EDT
Cloud Healthcare API
Earned août 8, 2026 EDT
Créer un entrepôt de données avec BigQuery
Earned août 5, 2026 EDT
Travailler avec des modèles Gemini dans BigQuery
Earned août 2, 2026 EDT
Booster la productivité avec Gemini dans BigQuery
Earned août 2, 2026 EDT
Introduction à l'ingénierie des données sur Google Cloud
Earned juil. 29, 2026 EDT
Se préparer à devenir Professional Data Engineer
Earned juil. 29, 2026 EDT
Ajouter des capacités aux agents à l'aide d'outils
Earned juil. 28, 2026 EDT
Gérer la mémoire et l'état des agents
Earned juil. 28, 2026 EDT
Optimiser le comportement des agents
Earned juil. 28, 2026 EDT
Introduction à Vertex AI Studio
Earned juil. 27, 2026 EDT
Créer des modèles de création de légendes pour les images
Earned juil. 27, 2026 EDT
Modèles Transformer et modèle BERT
Earned juil. 27, 2026 EDT
Architecture encodeur/décodeur
Earned juil. 27, 2026 EDT
Mécanisme d'attention
Earned juil. 27, 2026 EDT
Introduction à la génération d'images
Earned juil. 27, 2026 EDT
Présentation de la sécurité dans le monde de l'IA
Earned juil. 27, 2026 EDT
Architecture cloud : concevoir, implémenter et gérer
Earned juil. 27, 2026 EDT
Model Armor : sécuriser les déploiements d'IA
Earned juil. 23, 2026 EDT
IA responsable pour les développeurs : interprétabilité et transparence
Earned juil. 22, 2026 EDT
IA responsable pour les développeurs : confidentialité et sécurité
Earned juil. 22, 2026 EDT
Déployer des applications Kubernetes sur Google Cloud
Earned juil. 19, 2026 EDT
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned juil. 15, 2026 EDT
Créer un site Web sur Google Cloud
Earned juil. 14, 2026 EDT
Organiser et gouverner les données avec Dataplex
Earned juil. 11, 2026 EDT
Sécuriser des données Lakehouse
Earned juil. 11, 2026 EDT
[DEPRECATED] Data Governance with Dataplex Universal Catalog
Earned juil. 11, 2026 EDT
Recherche vectorielle et embeddings
Earned juil. 5, 2026 EDT
IA responsable pour les développeurs : équité et biais
Earned juil. 1, 2026 EDT
Créer des applications basées sur des événements avec Eventarc
Earned juin 30, 2026 EDT
Machine Learning Operations (MLOps) pour l'IA générative
Earned juin 29, 2026 EDT
Présentation de l'IA et du machine learning sur Google Cloud
Earned juin 29, 2026 EDT
Implémenter Cloud Load Balancing pour Compute Engine
Earned juin 29, 2026 EDT
Introduction à l'IA responsable
Earned juin 28, 2026 EDT
Développer votre réseau Google Cloud
Earned juin 28, 2026 EDT
AI Infrastructure : techniques de mise en réseau
Earned juin 26, 2026 EDT
AI Infrastructure : options de stockage
Earned juin 26, 2026 EDT
Infrastructure d'IA : types de déploiements
Earned juin 26, 2026 EDT
AI Infrastructure : Cloud TPU
Earned juin 26, 2026 EDT
AI Infrastructure : Cloud GPU
Earned juin 26, 2026 EDT
AI Infrastructure : introduction à AI Hypercomputer
Earned juin 25, 2026 EDT
Machine Learning Operations (MLOps) avec Vertex AI : évaluation des modèles
Earned juin 24, 2026 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juin 24, 2026 EDT
Automatiser la collecte de données à grande échelle avec Document AI
Earned juin 23, 2026 EDT
Concevoir des agents IA avec Agent Development Kit (ADK)
Earned juin 23, 2026 EDT
Créer des applications d'IA générative sur Google Cloud
Earned juin 21, 2026 EDT
Créer des applications sans serveur avec Cloud Run Functions
Earned juin 21, 2026 EDT
Développer des applications avec Cloud Run sur Google Cloud : concepts fondamentaux
Earned juin 21, 2026 EDT
Implémenter la recherche vectorielle multimodale avec BigQuery
Earned juin 14, 2026 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned juin 13, 2026 EDT
[DEPRECATED] Google Cloud Data Solutions for the Public Sector
Earned juin 10, 2026 EDT
Systèmes de machine learning de production
Earned juin 7, 2026 EDT
Optimiser vos coûts Google Cloud
Earned mai 27, 2026 EDT
Créer votre premier agent avec Agent Development Kit (ADK)
Earned mai 18, 2026 EDT
Créer des agents avec Agent Development Kit (ADK)
Earned mai 18, 2026 EDT
Créer des embeddings et utiliser la recherche vectorielle et le RAG avec BigQuery
Earned mai 16, 2026 EDT
Traitement des données sans serveur avec Dataflow : développer des pipelines
Earned mai 12, 2026 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned mai 9, 2026 EDT
NCAA® March Madness®: Bracketology with Google Cloud
Earned mars 29, 2026 EDT
Introduction to Vertex Forecasting and Time Series in Practice
Earned mars 27, 2026 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned mars 12, 2026 EDT
Utiliser BigQuery Machine Learning pour l'inférence
Earned mars 11, 2026 EDT
Analyse de flux dans BigQuery
Earned mars 11, 2026 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned mars 11, 2026 EDT
Utiliser des notebooks dans Vertex AI
Earned mars 10, 2026 EDT
BigQuery pour le machine learning
Earned mars 9, 2026 EDT
Créer des pipelines de flux de données sur Google Cloud
Earned fév. 9, 2026 EST
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).
En savoir plus
Cloud Healthcare API bridges the gap between care systems and applications built on Google Cloud. By supporting standards-based data formats and protocols of existing healthcare technologies, Cloud Healthcare API connects your data to advanced Google Cloud capabilities, including streaming data processing with Cloud Dataflow, scalable analytics with BigQuery, and machine learning with Cloud Machine Learning Engine. In this Quest you will use the Cloud Healthcare API to ingest and process data in the industry standard FHIR, HL7v2 and DICOM formats, train a TensorFlow model for prediction with FHIR data, and also gain practice with de-identification of datasets.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
Ce cours a pour objectif d'aider les participants à créer un plan de formation pour l'examen de certification Professional Data Engineer. Les participants découvriront l'étendue et le champ d'application des domaines abordés lors de l'examen, puis évalueront leur niveau de préparation à l'examen et créeront leur propre plan de formation.
En savoir plus
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.
En savoir plus
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 pourconcevoir des agents capables de conserver le contexte, de mémoriser les préférences de l'utilisateur et d'offrir des expériences personnalisées.
En savoir plus
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.
Rejoindre le forum de la communauté pour poser des questions et discuter
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
L'intelligence artificielle (IA) offre des possibilités de transformation, mais elle présente également de nouveaux enjeux de sécurité. Ce cours apporte aux responsables de la sécurité et de la protection des données des stratégies pour gérer l'IA de façon sécurisée dans leurs organisations. Découvrez un framework pour identifier et atténuer de manière proactive les risques spécifiques à l'IA, protéger les données sensibles, assurer la conformité et construire une infrastructure d'IA résiliente. Choisissez des cas d'utilisation dans quatre secteurs d'activité différents pour savoir comment ces stratégies s'appliquent dans des scénarios réels.
En savoir plus
Terminez le cours Architecture cloud : concevoir, implémenter et gérer pour recevoir un badge démontrant vos compétences dans les domaines suivants : le déploiement d'un site Web accessible publiquement à l'aide de serveurs Web Apache, la configuration d'une VM Compute Engine à l'aide de scripts de démarrage, la configuration d'une session RDP sécurisée à l'aide de règles de pare-feu et d'un hôte bastion Windows, la création d'une image Docker, son déploiement dans un cluster Kubernetes et sa mise à jour, et la création d'une instance Cloud SQL et l'importation d'une base de données MySQL. Le cours lié à ce badge de compétence est une excellente ressource pour comprendre les sujets qui seront abordés dans l'examen de certification Google Cloud Certified Professional Cloud Architect.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
Terminez le cours intermédiaire Déployer des applications Kubernetes sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la configuration et la création d'images de conteneur Docker, la création et la gestion de clusters Google Kubernetes Engine (GKE), l'utilisation de kubectl pour gérer efficacement les clusters et le déploiement d'applications Kubernetes en appliquant des pratiques de livraison continue (CD) robustes.
En savoir plus
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production.
Les participants s'entraîneront à utiliser l'ingestion en flux continu de Vertex AI Feature Store au niveau du SDK.
En savoir plus
Obtenez un badge de compétence débutant en suivant le cours Créer un site Web sur Google Cloud. Ce cours s'appuie sur la série Get Cooking in Cloud et aborde les thèmes suivants :Déployer un site Web sur Cloud RunHéberger une application Web sur Compute EngineCréer, déployer et faire évoluer votre site Web sur Google Kubernetes EngineMigrer d'une application monolithique vers une architecture de microservices à l'aide de Cloud Build
En savoir plus
Obtenez le badge de compétence de niveau Débutant 'Organiser et gouverner les données avec Dataplex' pour démontrer vos compétences dans les domaines suivants : création d'assets Dataplex, création de types d'aspects et application d'aspects aux entrées dans Dataplex. Les badges de compétence valident vos connaissances sur des produits spécifiques lors d'ateliers pratiques et d'évaluations. Décrochez un badge en suivant un cours ou accédez directement à l'atelier challenge correspondant pour l'obtenir dès aujourd'hui. Les badges attestent de votre niveau de maîtrise, améliorent votre profil professionnel et, par conséquent, vous permettent d'accroître vos opportunités de carrière. Accédez à votre profil pour retrouver les badges que vous avez obtenus.
En savoir plus
Terminez le cours d'introduction Sécuriser des données Lakehouse pour recevoir un badge démontrant vos compétences avec IAM, BigQuery, Lakehouse et Data Catalog dans Knowledge Catalog pour créer et sécuriser des tables Lakehouse.
En savoir plus
This course covers the fundamentals of data governance, including its frameworks. You will gain hands-on experience using the Dataplex Universal Catalog to profile data, manage data quality, and implement automated data lineage for BigQuery data sources. Learn to effectively manage, secure, and understand your organization's data assets.
En savoir plus
Avec ce cours, explorez les technologies de recherche, les outils et les applications optimisés par l'IA. Découvrez la recherche sémantique, qui utilise les embeddings vectoriels (ou "plongements vectoriels"), la recherche hybride, qui combine les approches sémantique et par mots-clés, et la génération augmentée par récupération (RAG), qui réduit les hallucinations générées par l'IA en agissant comme un agent ancré. Enfin, acquérez une expérience pratique de Vertex AI Vector Search afin de créer votre moteur de recherche intelligent.
En savoir plus
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.
En savoir plus
Obtenez un badge de compétence en suivant le cours Créer des applications basées sur des événements avec Eventarc. Dans ce cours, vous utilisez Eventarc pour créer des déclencheurs d'événements pour différentes ressources, y compris des sujets Pub/Sub et des buckets Cloud Storage.
En savoir plus
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.
En savoir plus
Ce cours présente les fonctionnalités d'IA et de machine learning (ML) de Google Cloud, en mettant l'accent sur le développement de projets d'IA prédictive et générative. Il explore les différentes technologies, produits et outils disponibles tout au long du cycle de vie des données à l'IA, et permet aux data scientists, aux développeurs d'IA et aux ingénieurs en ML d'améliorer leur expertise grâce à des exercices interactifs.
En savoir plus
Terminez le cours d'introduction Implémenter Cloud Load Balancing pour Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : Créer et déployer des machines virtuelles dans Compute Engine Configurer des équilibreurs de charge réseau et d'application.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA responsable, souligne son importance et décrit comment Google l'implémente dans ses produits. Il présente également les sept principes de l'IA de Google.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
Terminez le cours d'introduction Préparer des données pour les API de ML sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : le nettoyage des données avec Dataprep by Trifacta, l'exécution de pipelines de données dans Dataflow, la création de clusters et l'exécution de jobs Apache Spark dans Managed Service for Apache Spark, et l'appel d'API de ML comme l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text et l'API Video Intelligence.
En savoir plus
Obtenez un badge de compétence débutant en suivant le cours Automatiser la collecte de données à grande échelle avec Document AI. Dans ce cours, vous allez apprendre à extraire, traiter et capturer des données à l'aide de Document AI.
En savoir plus
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.
En savoir plus
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.
En savoir plus
Obtenez le badge de compétence Introduction en suivant le cours Créer des applications sans serveur avec Cloud Run Functions, qui vous apprend à utiliser Cloud Run Functions dans la console Google Cloud et sur la ligne de commande. Les badges de compétence valident vos connaissances sur des produits spécifiques lors d'ateliers pratiques et d'évaluations. Décrochez un badge en suivant un cours ou accédez directement à l'atelier challenge correspondant pour l'obtenir dès aujourd'hui. Les badges attestent de votre niveau de maîtrise, améliorent votre profil professionnel et, par conséquent, vous permettent d'accroître vos opportunités de carrière. Accédez à votre profil pour retrouver les badges que vous avez obtenus.
En savoir plus
Ce cours présente la plate-forme sans serveur Cloud Run qui permet d'exécuter des applications.
Il aborde les principes de base de Cloud Run, son modèle de ressources et le cycle de vie des conteneurs.
Vous découvrirez les identités de service, comment contrôler l'accès aux services, et comment développer et tester votre application en local avant de la déployer sur Cloud Run.
Vous apprendrez également à intégrer d'autres services Google Cloud afin de créer des applications complètes.
En savoir plus
Terminez le cours intermédiaire Implémenter la recherche vectorielle multimodale avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : utiliser Gemini dans BigQuery pour générer et déboguer des requêtes SQL, effectuer une analyse des sentiments, résumer du texte et identifier des mots clés, générer des embeddings, créer un pipeline de RAG (génération augmentée par récupération), et implémenter la recherche vectorielle multimodale.
En savoir plus
Terminez le cours intermédiaire Ingénierie des données pour la modélisation prédictive avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création de pipelines de transformation des données dans BigQuery avec Dataprep by Trifacta ; l'utilisation de Cloud Storage, Dataflow et BigQuery pour créer des workflows ETL (Extract, Transform and Load) ; et la création de modèles de machine learning avec BigQuery ML.
En savoir plus
Enterprise data sharing made easy with Dataplex and Analytics Hub
Learn how to share data securely in your lakehouse with minimized data duplication and more data governance through Dataplex and Analytics Hub - enterprise data management made easy.
Creating Data Pipelines with Data Fusion
In this session, we will explore using Data Fusion to create code-free point and click pipelines that can ETL high-volumes of data with support for popular data sources, including file systems and object stores, relational and NoSQL databases, and SaaS systems.
En savoir plus
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.
En savoir plus
Il s'agit du deuxième cours d'une série en deux parties sur les bases de la facturation et de la gestion des coûts Google Cloud. Ce cours s'adresse particulièrement aux personnes qui travaillent dans des services financiers ou informatiques, et qui sont chargées d'optimiser l'infrastructure cloud de leur organisation. Dans ce cours, vous découvrirez plusieurs façons de contrôler et d'optimiser vos coûts Google Cloud, y compris en configurant des budgets et des alertes, en gérant les limites de quota et en bénéficiant de remises sur engagement d'utilisation. Dans les ateliers pratiques, vous utiliserez divers outils pour contrôler et optimiser vos coûts Google Cloud, ou pour inciter vos équipes technologiques à suivre les bonnes pratiques dans ce domaine.
En savoir plus
Mettez en pratique vos connaissances sur les agents en créant, configurant et exécutant votre premier agent IA à l'aide d'Agent Development Kit (ADK) de Google.
Dans ce cours pratique, vous configurerez un environnement de développement ADK complet, créerez des agents avec du code Python et une configuration YAML, et les exécuterez sur plusieurs interfaces. Vous découvrirez également les paramètres essentiels qui définissent le comportement de l'agent, en appliquant dans du code fonctionnel ce que vous avez appris dans le cours 1.
En savoir plus
Découvrez comment utiliser Agent Development Kit (ADK). Ce cours présente le framework Open Source d'ADK et montre comment passer du prompt engineering simple à une approche de développement logiciel structurée, axée sur le code, adaptée aux systèmes multi-agents de niveau entreprise.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.
En savoir plus
This course is an introduction to building forecasting solutions with Google Cloud. You start with sequence models and time series foundations. You then walk through an end-to-end workflow: from data preparation to model development and deployment with Vertex AI. Finally, you learn the lessons and tips from a retail use case and apply the knowledge by building your own forecasting models.
En savoir plus
Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.
En savoir plus
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.
En savoir plus
Obtenez un badge de compétence en suivant le cours Analyse de flux dans BigQuery, où vous utiliserez Pub/Sub, Dataflow et BigQuery ensemble pour diffuser des données afin de les analyser.
En savoir plus
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production. Les ingénieurs en machine learning utilisent des outils pour améliorer et évaluer en permanence les modèles déployés. Ils collaborent avec des data scientists (ou peuvent occuper ce poste) qui développent des modèles permettant de déployer de manière rapide et rigoureuse les solutions de machine learning les plus performantes.
En savoir plus
Ce cours 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.
En savoir plus
Créer des modèles de machine learning en quelques minutes au lieu de plusieurs heures grâce à SQL, ça vous intéresse ? BigQuery ML démocratise le machine learning en permettant aux analystes de données de créer, d'entraîner et d'évaluer des modèles de ML, puis de les utiliser pour faire des prédictions, en s'appuyant sur leurs outils SQL et leurs connaissances actuelles dans ce langage. Dans cette série d'ateliers, vous allez essayer différents types de modèles et apprendre ce qui caractérise un bon modèle.
En savoir plus
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.
En savoir plus
