Rejoindre Se connecter

Mettez en pratique vos compétences dans la console Google Cloud

Henry Pereira

Date d'abonnement : 2026

Optimiser le comportement des agents Earned mai 25, 2026 EDT
Concevoir des agents IA avec Agent Development Kit (ADK) Earned mai 25, 2026 EDT
Créer votre premier agent avec Agent Development Kit (ADK) Earned mai 25, 2026 EDT
Créer des agents avec Agent Development Kit (ADK) Earned mai 25, 2026 EDT
Créer votre première application Gemini Enterprise Earned mai 25, 2026 EDT
Build AI Agents with Enterprise Databases Earned mai 25, 2026 EDT
Créer des modèles de création de légendes pour les images Earned mars 10, 2026 EDT
Modèles Transformer et modèle BERT Earned mars 10, 2026 EDT
Architecture encodeur/décodeur Earned mars 10, 2026 EDT
Mécanisme d'attention Earned mars 10, 2026 EDT
Introduction à la génération d'images Earned mars 9, 2026 EDT

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

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

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

Créez votre première application Gemini Enterprise ! Connectez diverses sources de données à votre application. Maîtrisez des fonctionnalités avancées telles que les agents de recherche approfondie, l'idéation multi-agent et NotebookLM pour une analyse ciblée.

En savoir plus

Build AI agents that can leverage enterprise databases using the MCP Toolbox for Databases. You will define secure database interaction tools, and implement intelligent querying capabilities (leveraging vector embeddings, structured queries).

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