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.
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.
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.
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.
Terminez le cours avancé Déployer des architectures multi-agents pour recevoir un badge démontrant les compétences suivantes : créer des systèmes multi-agents avec ADK, connecter des agents avec le protocole A2A (Agent-to-Agent), intégrer des outils externes à l'aide du protocole MCP (Model Context Protocol) et déployer une solution multi-agents complète sur Agent Engine.
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.
Terminez le cours d'introduction Surveiller et journaliser avec Google Cloud Observability pour recevoir un badge démontrant vos compétences dans les domaines suivants : la surveillance des machines virtuelles dans Compute Engine, l'utilisation de Cloud Monitoring pour la supervision multiprojet, l'extension des fonctionnalités de surveillance et de journalisation à Cloud Functions, la création et l'envoi de métriques d'application personnalisées, et la configuration d'alertes Cloud Monitoring en fonction de ces métriques personnalisées.
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.
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.
Terminez le cours intermédiaire Gérer Kubernetes dans Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la gestion des déploiements avec kubectl, la surveillance et le débogage d'applications sur Google Kubernetes Engine (GKE) et les techniques de livraison continue.
L'utilisation de la puissance de calcul à grande échelle pour détecter des modèles et lire des images est l'une des technologies fondamentales de l'IA, des voitures sans conducteur à la reconnaissance faciale. Google Cloud Platform offre une vitesse et une précision de pointe grâce à des systèmes qui peuvent être utilisés simplement en appelant des API. Doté en plus d'une multitude d'API, GCP propose un outil pour pratiquement toutes les tâches de machine learning. Dans ce cours d'introduction, vous allez vous familiariser avec le machine learning et son application au traitement de l'image. Au cours de divers ateliers, vous allez étiqueter des images, détecter des visages et des points de repère, mais aussi extraire, analyser et traduire du texte à partir d'images.
Il n'a échappé à personne que le machine learning est une technologie très dynamique, et Google Cloud Platform a joué un rôle déterminant dans son développement. Doté d'une multitude d'API, GCP propose un outil pour pratiquement toutes les tâches de machine learning. Avec ce cours d'introduction, vous allez vous familiariser avec le machine learning et son application au traitement du langage. Au cours de divers ateliers, vous allez extraire des entités à partir de texte, effectuer une analyse des sentiments et de la syntaxe, ainsi que transcrire du contenu audio avec l'API Speech-to-Text.
Obtenez un badge de compétence en effectuant la quête Analyser les sentiments avec l'API Natural Language, qui vous explique comment l'API extrait le sentiment à partir d'un texte.
Terminez le cours d'introduction Surveiller et gérer les ressources Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : accorder et révoquer des autorisations IAM ; installer des agents Monitoring et Logging ; créer, déployer et tester une fonction Cloud Run basée sur des événements.
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.
Dans ce cours en auto-formation, les participants étudient des solutions d'atténuation des attaques pouvant survenir en de nombreux points d'une infrastructure basée sur Google Cloud, telles que des attaques par déni de service distribué (DDoS) ou par hameçonnage, ou des menaces liées à la classification et à l'utilisation de contenu. Ils découvriront également Security Command Center, Cloud Logging et les journaux d'audit, ainsi que l'utilisation de Forseti pour connaître l'état de conformité global avec les stratégies de sécurité de l'organisation.
Les cours Google Cloud Computing Foundations sont destinés aux personnes ayant peu ou pas de connaissances ni d'expérience dans le cloud computing. Ils offrent un aperçu des concepts de base du cloud, du big data et du machine learning, et explique où et comment Google Cloud s'y intègre. À la fin de cette série de cours, les participants seront à même de définir ces concepts et auront acquis des compétences pratiques. Les cours doivent être suivis dans cet ordre : 1. Google Cloud Computing Foundations : principes de base du cloud computing 2. Google Cloud Computing Foundations : infrastructure dans Google Cloud 3. Google Cloud Computing Foundations : mise en réseau et sécurité dans Google Cloud 4. Google Cloud Computing Foundations : données, ML et IA dans Google Cloud Ce troisième cours aborde les outils d'automatisation et de gestion du cloud, ainsi que la création de réseaux sécurisés.
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.