Ashley Rice
Date d'abonnement : 2024
Ligue d'Or
88564 points
Date d'abonnement : 2024
In this video, you'll learn to use NotebookLM to manage a large-scale research project. You'll see how to upload all your documents to get summaries, ask deeper strategic questions to find key insights, and use the audio feature to listen to your findings on the go.
In this video, you'll learn to use NotebookLM to analyze raw data and find compelling stories. You'll see how to ground the AI in your specific documents, prompt it to generate newsworthy PR claims, and ask it to find hidden correlations between different data points to uncover new insights.
Cette vidéo explique comment utiliser un assistant IA pour planifier un événement d'équipe de grande envergure, du brainstorming à la logistique, en passant par l'analyse des commentaires post-événement.
Cette vidéo présente des conseils d'expert pour utiliser Gemini Deep Research, y compris comment attribuer un persona, spécifier le format de sortie et guider la recherche pour un audit concurrentiel complet.
Cette vidéo explique comment utiliser Gemini Deep Research avec un prompt nuancé pour obtenir un rapport comparatif synthétique qui vous aidera à prendre des décisions d'achat complexes en toute confiance.
Cette vidéo explique comment utiliser un simple prompt textuel dans Gemini Canvas pour transformer des données en une visualisation animée et attrayante de graphique à barres.
Cette vidéo explique comment utiliser des prompts textuels descriptifs dans Gemini Canvas pour générer des œuvres d'art visuelles complexes et animées, comme de la typographie cinétique.
Cette vidéo explique comment importer vos notes personnelles dans Gemini Canvas et utiliser un prompt simple pour créer un quiz interactif avec différents formats de questions.
Cette vidéo explique comment créer et utiliser un Gem personnalisé (un assistant IA réutilisable) pour transformer instantanément n'importe quelle collection de notes et d'articles en un guide d'étude structuré.
In this video, you'll learn to use the =AI() function in Google Sheets to automate your work. You'll see how to generate text like slogans, summarize paragraphs of customer feedback, and categorize data by classifying inquiries and analyzing sentiment.
Cette vidéo explique comment utiliser Gemini Deep Research pour automatiser l'analyse concurrentielle et générer un rapport complet sur les campagnes marketing de vos concurrents en quelques minutes.
Cette vidéo explique comment utiliser des prompts textuels simples dans Gemini Canvas pour créer une simulation interactive du système solaire en 3D et y ajouter des fonctionnalités éducatives.
Cette vidéo explique comment créer une application utilitaire personnalisée, comme un minuteur Pomodoro, en décrivant ses fonctionnalités et sa conception dans un simple prompt adressé à Gemini Canvas.
Cette vidéo explique comment utiliser l'expérience d'apprentissage guidé dans Gemini, un partenaire IA collaboratif qui vous aide à approfondir vos connaissances grâce à des questions et des outils interactifs.
Cette vidéo explique comment utiliser un prompt simple dans Gemini Canvas pour créer, personnaliser et partager votre propre jeu, comme un morpion.
Cette vidéo explique comment utiliser un simple prompt textuel dans Gemini Canvas pour créer un synthétiseur musical entièrement interactif avec des commandes personnalisées et un clavier jouable.
Cette vidéo explique comment utiliser Gemini Deep Research avec des prompts créatifs pour transformer des informations complexes en une analyse amusante et personnalisée, comme un rapport de recrutement sportif et un tableau de tournoi.
Cette vidéo explique comment utiliser le menu "Créer" de Gemini Canvas pour transformer instantanément un bloc de texte en éléments visuels tels que des infographies et des pages Web.
Cette vidéo explique comment utiliser Gemini Canvas pour transformer un simple dessin d'application en un prototype fonctionnel à l'aide d'une technique appelée "vibe coding".
This video covers how NotebookLM's Reports feature dynamically suggests formats to help you create customized, trustworthy analyses of your documents with ease.
Cette vidéo explique comment créer un agent "Travaille avec moi" personnalisé à l'aide des Gems Gemini, qui permettent de simplifier les commentaires de base et de rendre vos réunions plus stratégiques et efficaces.
Cette vidéo explique comment utiliser Gemini Advanced pour faire des recherches sur un sujet et créer un plan de présentation, puis comment utiliser Gemini dans Google Docs pour générer des points de discussion.
This video covers how to create a 'project notebook' in NotebookLM by adding all relevant sources to build a central, searchable knowledge hub for your team.
This video covers how to use NotebookLM for common marketing tasks like analyzing customer feedback, conducting market research, and generating content ideas.
Cette vidéo explique comment utiliser un simple prompt textuel dans Gemini Canvas pour créer et personnaliser un prototype fonctionnel d'application météo.
This video covers how to use the Video Overviews feature in NotebookLM to automatically generate a short explainer video based on your source documents.
This video covers how to use the 'Discover Sources' feature in NotebookLM to find and import relevant web-based sources directly into your research project.
This video covers how to use the Mind Maps feature in NotebookLM to automatically create a visual representation of your sources, helping you understand connections and key concepts.
This video covers how to use NotebookLM as a personal research assistant by adding sources, asking questions, and generating new content formats based on your documents.
Cette vidéo explique comment utiliser Gemini dans Gmail pour rédiger des e-mails, affiner leur ton, répondre en utilisant le contexte de fichiers Drive et utiliser les réponses suggérées.
Cette vidéo explique comment utiliser la fonctionnalité Aide-moi à créer dans Google Docs pour générer un document complet et mis en forme en faisant référence au contenu d'autres fichiers de votre Drive.
This video covers five key ways to use Google's AI tools, including Gemini in Workspace, the Gemini app, and NotebookLM, to enhance your daily productivity.
Cette vidéo explique comment utiliser Gemini dans Gmail pour résumer des e-mails, trouver des informations et rédiger des réponses, afin de vous aider à gérer votre boîte de réception plus efficacement.
Cette vidéo explique comment utiliser Gemini dans Slides pour générer automatiquement des résumés de réunion et rédiger des brouillons d'e-mails de suivi, afin de simplifier votre flux de travail après chaque réunion et de vous faire gagner du temps.
Cette vidéo explique comment exploiter les fonctionnalités d'IA avancées de Gemini dans Google Sheets pour extraire des données et générer des insights en quelques minutes, sans aucune connaissance technique ni expérience en codage.
Cette vidéo vous explique comment utiliser les Gems Gemini pour créer des posts authentiques sur les réseaux sociaux, en adoptant le style unique de votre leader. Apprenez à relever le défi de développer la présence des dirigeants sur les réseaux sociaux en entraînant un Gem avec des exemples de textes et des instructions claires. Découvrez comment générer rapidement des posts engageants pour gagner du temps, tout en affirmant leur leadership d'opinion et en garantissant l'authenticité des contenus.
Cette vidéo vous explique comment créer votre propre Gem de concision pour résumer et transformer des notes désordonnées ou de longs documents en résumés clairs, concis et prêts à être présentés à la direction.
Cette vidéo explique comment utiliser Gemini et Apps Script pour automatiser les tâches manuelles dans Google Workspace. Vous allez apprendre à demander à Gemini de générer du code Apps Script qui crée automatiquement des brouillons d'e-mails de rappel dans Google Sheets pour les tâches qui ne sont pas marquées comme terminées. Automatisez votre workflow avec peu ou pas d'expertise technique, libérez du temps pour des tâches plus importantes et éliminez les suivis manuels.
This video covers how you can leverage Notebook LM to "eat the frog" on your to-do list by automating complex tasks like summarizing legislation and mapping services, saving you hours of work.
Cette vidéo explique comment éliminer la saisie de données manuelle et fastidieuse grâce à Gemini. Découvrez comment prendre une photo ou une capture d'écran de données (à partir de PDF, de documents papier ou d'images) et demander à Gemini de la convertir instantanément en une feuille de calcul Google Sheets structurée. Découvrez cette astuce simple pour éviter d'innombrables heures de transcription et faire de Gemini votre assistant personnel de saisie de données. Photographiez, promptez, exportez !
Cette vidéo explique comment utiliser l'IA pour identifier les faiblesses et les hypothèses cachées de votre stratégie. Vous découvrirez la méthode "Poke Holes", un moyen simple de tester vos plans à l'aide de prompts d'IA, de détecter les lacunes et de renforcer votre réflexion stratégique.
This video will cover how to use NotebookLM to gather and analyze publicly available information, combine it with internal documents, and extract key competitive insights.
Cette vidéo explique comment personnaliser vos résultats Gemini dans Google Workspace. Apprenez à intégrer des documents et des articles de recherche directement dans vos prompts à l'aide du symbole "@" pour obtenir des résultats d'IA plus ciblés et pertinents, adaptés à vos besoins.
Cette vidéo explique comment utiliser Gemini pour résumer de longs documents dans Google Workspace, afin d'obtenir rapidement les informations dont vous avez besoin et de gagner du temps. Vous allez apprendre à utiliser Gemini pour résumer des documents entiers ou seulement du texte sélectionné, ainsi qu'à utiliser Gemini dans Drive pour résumer plusieurs fichiers.
Cette vidéo présente les principes de base du prompt engineering pour une communication efficace avec l'IA. Découvrez un framework simple (Persona, Tâche, Contexte, Format) pour créer des prompts clairs et obtenir des résultats plus rapidement et de meilleure qualité avec Gemini dans Google Workspace. Découvrez comment utiliser le langage naturel, être précis et itérer pour obtenir une assistance optimale de l'IA.
Cette vidéo vous explique comment utiliser les fonctionnalités d'IA avancées de Gemini dans Google Docs pour trouver des idées, rédiger divers contenus marketing et collaborer avec votre équipe.
This video covers how NotebookLM can revolutionize customer insight gathering from call or chat transcripts. You'll learn to upload PDF transcripts of hundreds of conversations (even multilingual ones!) and quickly extract key themes, trending topics, and actionable insights without listening for hours. Discover how to save findings, share notebooks, and even generate interactive podcast summaries of your data.
Cette vidéo explique comment créer vos propres Gems Gemini, des fonctionnalités d'IA avancées qui peuvent automatiser les tâches répétitives et booster votre productivité.
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.
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.
Le cours "Explorateur de l'IA générative – Agent Platform" est un ensemble d'ateliers consacrés à l'utilisation de l'IA générative sur Google Cloud. En suivant ces ateliers, vous apprendrez à utiliser les modèles Gemini dans Agent Platform. Vous découvrirez également comment prompter, les bonnes pratiques appliquer, et comment utiliser les prompts pour l'idéation, la classification, l'extraction et la synthèse de texte, et plus encore. Enfin, vous apprendrez à régler un modèle de fondation à l'aide d'un entraînement personnalisé dans Agent Platform et à le déployer sur un point de terminaison dans Agent Platform.
Validez le cours intermédiaire Améliorer les capacités du modèle Gemini pour recevoir un badge attestant de vos compétences dans les domaines suivants : utiliser les fonctionnalités avancées des modèles Gemini, y compris la génération et l'exécution de code, l'ancrage, la génération de contenu contrôlée, et la création de données synthétiques, afin de développer des applications d'IA plus puissantes et sophistiquées.
Suivez le cours Utiliser l'API Google Cloud Speech et obtenez un badge de compétence. Dans ce cours, vous apprendrez à créer une requête API Speech-to-Text, à transcrire un énoncé audio en texte et à transcrire un énoncé.
Améliorez l'expérience de navigation sur votre site Web en utilisant l'IA générative pour offrir une meilleure expérience de recherche à vos utilisateurs. Dans ce cours, vous allez apprendre à utiliser Vertex AI Search pour proposer aux utilisateurs de votre site Web une expérience de recherche générative leur permettant de découvrir le contenu proposé par votre site Web. En tant qu'éditeur de sites Web, vous allez également apprendre à utiliser l'IA générative pour traduire et améliorer rapidement et efficacement vos contenus à l'aide de suggestions.
Terminez le cours intermédiaire Inspecter des documents enrichis avec Gemini multimodal et le RAG multimodal pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'utilisation de requêtes multimodales pour extraire des informations de données textuelles et visuelles, la génération d'une description vidéo et la récupération d'informations qui ne sont pas incluses dans une vidéo en utilisant la multimodalité avec Gemini ; la création de métadonnées de documents contenant du texte et des images, la collecte de tous les éléments de texte pertinents, et l'impression de citations à l'aide de la génération augmentée par récupération (RAG, Retrieval Augmented Generation) multimodale avec Gemini.
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.
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.
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 les ingénieurs réseau à créer, mettre à jour et gérer des réseaux VPC. Vous apprendrez comment demander à Gemini de vous fournir des conseils spécifiques pour vos tâches de gestion de réseaux, que vous ne pourriez pas obtenir avec un moteur de recherche. À l'aide d'un atelier pratique, vous verrez en quoi Gemini permet d'utiliser plus facilement les réseaux VPC Google Cloud. Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
Dans ce cours, vous découvrirez comment Gemini, un collaborateur de Google Cloud optimisé par l'IA générative, vous aide à sécuriser votre environnement et vos ressources cloud. Vous apprendrez à déployer des exemples de charges de travail dans un environnement Google Cloud, puis à identifier et à corriger les erreurs de configuration de la sécurité avec Gemini. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore votre stratégie de sécurité dans le cloud. Duet AI a été renommé Gemini, notre modèle nouvelle génération.
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.
Ce cours présente Vertex AI Studio, un outil permettant d'interagir avec des modèles d'IA générative, de prototyper des idées commerciales et de les envoyer en production. Au moyen d'un cas d'utilisation immersif, de leçons captivantes et d'un atelier pratique, vous allez découvrir le cycle de vie de la requête au produit. Vous apprendrez également à utiliser Vertex AI Studio pour les applications multimodales Gemini, la conception de requêtes, le prompt engineering (ingénierie des requêtes) et le réglage de modèles. L'objectif est de vous permettre d'exploiter tout le potentiel de l'IA générative dans vos projets avec Vertex AI Studio.
Dans ce cours, vous 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.
Dans ce cours, vous allez apprendre à créer un modèle de sous-titrage d'images à l'aide du deep learning. Vous découvrirez les différents composants de ce type de modèle, comme l'encodeur et le décodeur, et comment l'entraîner et l'évaluer. À la fin du cours, vous serez en mesure de créer vos propres modèles de sous-titrage d'images et de les utiliser pour générer des sous-titres pour des images.
Ce cours offre un aperçu de l'architecture encodeur/décodeur, une architecture de machine learning performante souvent utilisée pour les tâches "seq2seq", telles que la traduction automatique, la synthèse de texte et les questions-réponses. Vous découvrirez quels sont les principaux composants de l'architecture encodeur/décodeur, et comment entraîner et exécuter ces modèles. Dans le tutoriel d'atelier correspondant, vous utiliserez TensorFlow pour coder une implémentation simple de cette architecture afin de générer un poème en partant de zéro.
Ce cours présente 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 le mécanisme d'attention, une technique efficace permettant aux réseaux de neurones de se concentrer sur des parties spécifiques d'une séquence d'entrée. Vous découvrirez comment fonctionne l'attention et comment l'utiliser pour améliorer les performances de diverses tâches de machine learning, dont la traduction automatique, la synthèse de texte et les réponses aux questions.
Ce cours présente 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.
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.
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 développeurs à créer des applications. Vous apprendrez à demander à Gemini d'expliquer du code, de recommander des services Google Cloud et de générer du code pour vos applications. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore le workflow de développement d'applications. Duet AI a été renommé Gemini, notre modèle nouvelle génération.
Dans ce cours, vous découvrirez comment Gemini, un outil de collaboration Google Cloud optimisé par l'IA générative, vous aide à utiliser les produits et services Google pour développer, tester et gérer des applications. Avec l'assistance de Gemini, vous apprendrez à développer une application Web, à corriger les erreurs de l'application, à créer des tests et à interroger des données. À l'aide d'un atelier pratique, vous verrez en quoi Gemini améliore le cycle de vie du développement logiciel (SDLC, software development lifecycle). Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
Dans ce cours, vous allez apprendre à développer une application à l'aide de Flutter, le kit d'interface utilisateur portable de Google, et à y intégrer Gemini, la famille de modèles d'IA générative de Google. Vous allez également utiliser Vertex AI Agent Builder, la plate-forme de Google pour développer et gérer des agents d'IA et des applications.
Terminez le cours intermédiaire Développer des applications d'IA générative avec Gemini et Streamlit pour recevoir un badge démontrant vos compétences dans les domaines suivants : la génération de texte, l'application d'appels de fonction avec le SDK Python et l'API Gemini, et le déploiement d'une application Streamlit avec Cloud Run. Vous découvrirez différentes manières de demander à Gemini de générer du texte, d'utiliser Cloud Shell pour effectuer des tests et des itérations sur une application Streamlit, puis de l'empaqueter en tant que conteneur Docker déployé dans Cloud Run.
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.
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.
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.
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.
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.
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.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Dans ce cours, vous allez acquérir les connaissances et les outils nécessaires pour identifier les problématiques uniques auxquelles les équipes MLOps sont confrontées lors du déploiement et de la gestion de modèles d'IA générative. Vous verrez également en quoi Vertex AI permet aux équipes d'IA de simplifier les processus MLOps et de faire aboutir leurs projets d'IA générative.
Ce cours présente 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.
Obtenez un badge de compétence en terminant le cours intermédiaire Créer et déployer des solutions de machine learning sur Vertex. Vous y apprendrez à utiliser la plate-forme Vertex AI de Google Cloud, AutoML et les services d'entraînement personnalisés pour entraîner, évaluer, régler, expliquer et déployer des modèles de machine learning. Ce cours, qui ouvre droit à un badge de compétence, est destiné aux data scientists et aux ingénieurs en machine learning. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
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 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.
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.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
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 une approche pratique du workflow de ML avec une étude de cas dans laquelle une équipe est confrontée à plusieurs exigences métier et cas d'utilisation de ML. Cette équipe doit comprendre quels outils sont nécessaires pour gérer et gouverner les données, et trouver la meilleure approche pour les prétraiter. On présente à cette équipe trois options de création de modèles de ML pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe tire parti des avantages d'AutoML, de BigQuery ML ou de l'entraînement personnalisé pour atteindre ses objectifs.
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.
Ce cours porte sur la création de modèles de ML à l'aide de TensorFlow et Keras, l'amélioration de la précision des modèles de ML et l'écriture de modèles de ML pour une utilisation évolutive.
Le cours commence par une discussion sur les données : vous découvrirez comment améliorer leur qualité et effectuer des analyses exploratoires. Ensuite, nous vous présenterons Vertex AI AutoML et vous expliquerons comment créer, entraîner et déployer un modèle de machine learning (ML) sans écrire une ligne de code. Vous découvrirez également les avantages de BigQuery ML. Enfin, nous verrons comment optimiser un modèle de ML, et en quoi la généralisation ainsi que l'échantillonnage peuvent vous aider à évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.
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, …
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.
This course is intended to give architects, engineers, and developers the skills required to help enterprise customers architect, plan, execute, and test database migration projects. Through a combination of presentations, demos, and hands-on labs participants move databases to Google Cloud while taking advantage of various services. This course covers how to move on-premises, enterprise databases like SQL Server to Google Cloud (Compute Engine and Cloud SQL) and Oracle to Google Cloud bare metal.
"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.
Terminez le cours d'introduction Conception de requêtes dans Agent Platform pour recevoir un badge démontrant vos compétences dans les domaines suivants : le prompt engineering (ingénierie des requêtes), l'analyse d'images et les techniques d'IA générative multimodale dans Agent Platform. Découvrez comment élaborer des requêtes efficaces, guider les résultats de l'IA générative et appliquer des modèles Gemini à des scénarios marketing concrets.
L'intelligence artificielle (IA) et le machine learning (ML) représentent une évolution importante de l'informatique et transforment rapidement un grand nombre de secteurs. Le cours "Innover avec l'intelligence artificielle de Google Cloud" explore comment les organisations peuvent utiliser l'IA et le ML pour transformer leurs processus métier. Ce cours fait partie du parcours de formation "Cloud Digital Leader". Il vise à aider les participants à évoluer dans leur poste et à bâtir l'avenir de leur entreprise.
Avec l'essor de l'utilisation de l'intelligence artificielle et du machine learning en entreprise, il est de plus en plus important de développer ces technologies de manière responsable. Pour beaucoup, le véritable défi réside dans la mise en pratique de l'IA responsable, qui s'avère bien plus complexe que dans la théorie. Si vous souhaitez découvrir comment opérationnaliser l'IA responsable dans votre organisation, ce cours est fait pour vous. Dans ce cours, vous allez apprendre comment Google Cloud procède actuellement, en s'appuyant sur des bonnes pratiques et les enseignements tirés, afin de vous fournir un framework pour élaborer votre propre approche d'IA responsable.
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA responsable, souligne son importance et décrit comment Google l'implémente dans ses produits. Il présente également les sept principes de l'IA de Google.
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce que sont les grands modèles de langage (LLM). Il inclut des cas d'utilisation et décrit comment améliorer les performances des LLM grâce au réglage des requêtes. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
Ce cours 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.