Aprenda a projetar, coordenar e implantar sistemas multiagente usando o Kit de Desenvolvimento de Agente (ADK) do Google e o Protocolo de Contexto de Modelo (MCP). Usando o exemplo de um concierge de viagens, você vai aprender a orquestrar uma rede de agentes especializados com proteções personalizadas. Ao final do curso, você vai entender os padrões de design e as estratégias de implantação necessários para fluxos de trabalho de IA robustos e escalonáveis.
Este vídeo aborda os fundamentos da engenharia de comandos para uma comunicação eficaz com a IA. Aprenda uma estrutura simples (persona, tarefa, contexto e formato) para criar comandos claros e receber resultados melhores e mais rápidos do Gemini no Google Workspace. Descubra como usar linguagem natural, ser específico e iterar para ter a melhor assistência de IA.
In this video, you'll learn to use Gemini as your personal data analyst. Master the art of turning screenshot "spaghetti" charts into clear strategic insights by asking plain-English questions about the patterns you see.
Conheça a arquitetura e a implantação de sistemas multiagente usando o ADK do Google e a infraestrutura robusta do Cloud. Você vai aprender a projetar árvores hierárquicas de agentes e agentes de fluxo de trabalho determinístico, além de identificar o ambiente de hospedagem ideal, do Cloud Run sem servidor ao GKE de alto desempenho, para garantir que seus agentes de IA sejam seguros, escalonáveis e prontos para produção.
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
Este vídeo mostra como criar um agente personalizado chamado "Trabalhe comigo" usando os Gems do Gemini. Esse agente ajuda a simplificar o feedback básico e torna suas reuniões mais estratégicas e eficientes.
This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.
Este vídeo mostra como usar o Gemini no Gmail para resumir e-mails, encontrar informações e escrever respostas, ajudando você a gerenciar sua caixa de entrada com mais eficiência.
Este curso analisa os recursos de segurança essenciais do Model Armor e prepara você para trabalhar com o serviço. Você vai aprender sobre os riscos de segurança associados a LLMs e como o Model Armor protege seus aplicativos de IA.
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.
A inferência de IA é o processo de usar um modelo de machine learning treinado para fazer previsões em dados novos aplicando padrões aprendidos. Esse curso foi criado para desenvolvedores, cientistas de dados e engenheiros de machine learning com interesse em implantar rapidamente serviços de inferência de IA no Cloud Run. O conteúdo é útil para quem já conhece bem as soluções de implantação de aplicativos sem servidor baseadas na nuvem, mas que talvez não tenha experiência com a execução de inferência de IA usando produtos sem servidor do Google Cloud. O curso inclui exemplos que implementam um modelo para inferência de IA com GPUs e integram apps de IA generativa com serviços de armazenamento de dados.
A inteligência artificial (IA) oferece possibilidades de transformação, mas também traz novos desafios para a segurança. Este curso capacita líderes em segurança e proteção de dados com estratégias para gerenciar essa tecnologia da melhor forma nas organizações. Trabalhe com um framework que foi criado para identificar e mitigar proativamente riscos específicos da IA, proteger dados sensíveis, garantir o compliance e suportar uma infraestrutura de IA resiliente. Analise casos de uso de quatro setores diferentes para ver como essas estratégias se aplicam em cenários reais.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda a analisar os dados dos clientes e a prever as vendas de produtos. Além disso, você vai aprender a identificar, categorizar e desenvolver novos clientes usando seus dados no BigQuery. Usando laboratórios práticos, você vai descobrir como o Gemini melhora a análise de dados e os fluxos de trabalho de machine learning. A Duet AI agora é o Gemini, nosso modelo de última geração.
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
Este curso apresenta tópicos importantes sobre privacidade e segurança da IA. Ele também aborda recursos e métodos úteis para implementar práticas recomendadas de privacidade e segurança da IA com o uso de produtos do Google Cloud e ferramentas de código aberto.
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
Neste curso, apresentamos conceitos de IA responsável e princípios de IA. Ele contém técnicas para identificar e reduzir o viés e aplicar a imparcialidade nas práticas de ML/IA. Vamos abordar ferramentas e métodos práticos para implementar as práticas recomendadas de IA responsável usando produtos do Google Cloud e ferramentas de código aberto.
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção. Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
Este curso apresenta o Google Vids, uma ferramenta de criação com tecnologia de IA no Google Workspace que ajuda você a transformar documentos brutos em vídeos profissionais e envolventes sem experiência prévia em edição. Você vai aprender a gerar rascunhos rapidamente usando modelos e ferramentas automatizadas, além de personalizar seu conteúdo com edição baseada em transcrição, melhorias visuais dinâmicas e músicas personalizadas. Por fim, você vai aprender a integrar avatares e narrações de IA para narrar suas apresentações em vários casos de uso comerciais.
O objetivo desse curso é equipar você com o conhecimento e as ferramentas necessários para resolver os desafios enfrentados por equipes de MLOps durante o desenvolvimento e gerenciamento de modelos de IA generativa. Também queremos mostrar como a Vertex AI ajuda equipes de IA a simplificar processos de MLOps e a alcançar o sucesso em projetos de IA generativa.
IA generativa: para além do chatbot é o primeiro curso do programa de aprendizado Gen AI Leader e não tem pré-requisitos. O objetivo deste curso é ir além do conhecimento básico de chatbots para analisar o verdadeiro potencial da IA generativa para sua organização. Você aprenderá conceitos como modelos de fundação e engenharia de comando, que são cruciais para aproveitar ao máximo a IA generativa. O curso também aborda considerações importantes ao desenvolver uma estratégia de IA generativa de sucesso para a organização.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Quanto maior é o uso da inteligência artificial empresarial e do machine learning, mais importante é desenvolvê-los de maneira responsável. Para muitos, falar sobre a IA responsável pode ser mais fácil, mas colocá-la em prática é um desafio. Se você tem interesse em aprender a operacionalizar a IA responsável na sua organização, este curso é para você. Nele, você vai aprender como o Google Cloud faz isso hoje, além de analisar práticas recomendadas e lições aprendidas, a fim de criar uma base para elaborar sua própria abordagem de IA responsável.