Traitement des données sans serveur avec Dataflow : principes de base
Earned sept. 10, 2025 EDT
Présentation des grands modèles de langage
Earned déc. 7, 2023 EST
Présentation de l'IA générative
Earned nov. 27, 2023 EST
Configurer un environnement de développement d'applications sur Google Cloud
Earned juin 13, 2023 EDT
Optimiser les coûts pour Google Kubernetes Engine
Earned juin 13, 2023 EDT
Configurer un réseau Google Cloud
Earned juin 7, 2023 EDT
Développer votre réseau Google Cloud
Earned juin 4, 2023 EDT
Créer une infrastructure avec Terraform sur Google Cloud
Earned juin 2, 2023 EDT
Se préparer à devenir Professional Cloud Architect
Earned mai 30, 2023 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned jan. 24, 2023 EST
Préparer des données pour les API de ML sur Google Cloud
Earned jan. 23, 2023 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned déc. 14, 2022 EST
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 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
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
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
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.
En savoir plus
Ce cours aide les participants à créer un plan de formation pour l'examen de certification qui permet de devenir Professional Cloud Architect. Ils découvriront l'ampleur et le champ d'application des domaines abordés lors de l'examen. Ils détermineront s'ils sont prêts à passer l'examen et créeront leur propre plan de formation.
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
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 Dataproc, 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
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.
Machine Learning Operations (MLOps) pour l'IA générative
Earned nov. 1, 2025 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned sept. 10, 2025 EDT
Présentation des grands modèles de langage
Earned déc. 7, 2023 EST
Présentation de l'IA générative
Earned nov. 27, 2023 EST
Configurer un environnement de développement d'applications sur Google Cloud
Earned juin 13, 2023 EDT
Optimiser les coûts pour Google Kubernetes Engine
Earned juin 13, 2023 EDT
Configurer un réseau Google Cloud
Earned juin 7, 2023 EDT
Développer votre réseau Google Cloud
Earned juin 4, 2023 EDT
Créer une infrastructure avec Terraform sur Google Cloud
Earned juin 2, 2023 EDT
Se préparer à devenir Professional Cloud Architect
Earned mai 30, 2023 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned jan. 24, 2023 EST
Préparer des données pour les API de ML sur Google Cloud
Earned jan. 23, 2023 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned déc. 14, 2022 EST