In this course, you explore the Code Execution feature of the Gemini platform, which lets AI agents safely generate and run Python code in isolated sandbox environments. You learn how the Agent Sandbox fits into the broader platform architecture, how to configure and operate Code Execution sandboxes using the Agent Platform SDK, and how to integrate code execution into agent workflows with the Agent Development Kit (ADK) in Gemini platform.
In this course, you'll learn to use the Agent Development Kit (ADK) in Gemini platform to build systems where multiple AI agents collaborate on complex tasks. You'll start with the ADK agent model: how ADK represents agents, tools, and runners, and how a single agent is configured and run. You'll then make tools the model can call, persist session state across agents, and instrument the execution lifecycle with callbacks and plugins. Next, you'll orchestrate multiple agents using ADK's template workflow agents and graph-based workflows, and ground them in enterprise data through multi-source retrieval and MCP integrations. Finally, you'll deploy a multi-agent system to Agent Runtime as a managed service and register and share it through Gemini so users across an organization can reach it.
In this course, you’ll learn how to estimate and manage GenAI solution costs, focusing on the unique unit economics of AI versus traditional cloud billing. You will learn to: Understand Metering: Master the four Google Cloud GenAI metering categories and the token economy driving costs. Estimate Costs: Build defensible estimates using the Pricing Calculator for models, context caching, and agentic components. Optimize Spend: Leverage controls—such as input/output token reduction, caching, RAG efficiency, and model routing—while balancing cost, quality, and latency. Implement Governance: Apply FinOps best practices, including budgets, quotas, cost attribution, and Provisioned Throughput management to control spend.
In this course, you'll learn the disciplined process of hill climbing to transform your generative and agentic systems into reliable, high-performing tools. You'll examine the iterative 8-step loop by diagnosing system failures through trajectory analysis and applying precise interventions across the model, prompt, tool, and framework layers. By the end of this course, you'll be prepared to optimize system architecture and automate the hill climbing cycle while balancing quality, cost, and latency as first-class metrics.
In this course, you'll learn how to establish a rigorous upgrade regression testing pipeline, safely deploy models using A/B testing and/or shadow mode, and address legacy prompt technical debt. You'll also learn the latest about Gemini 3 parameters including thinking levels and thought signatures, as well as new capabilities like media resolution controls and streaming function calls.
In this course, you learn to evaluate, diagnose, and optimize AI agents on the Gemini platform. You begin where most teams begin: the agent runs, but you have no eval cases, no test data, and no production traffic to grade it with. From there you follow the Quality Flywheel, the evaluate-analyze-optimize loop at the center of Gemini platform. You instrument the agent so it emits the telemetry Gemini platform reads, generate eval cases by simulation, choose the metrics that grade them, run offline evaluations, monitor live traffic and alert on quality drift, then cluster failures and optimize. A final module covers build-time evaluation with the Agent Development Kit (ADK) in Gemini platform, which runs on your machine before you deploy.
Throughout this course, you'll learn how to establish rigorous evaluation criteria, perform evaluations, design objective rubrics, calibrate autoraters, and simulate evaluation data. You'll gain the skills needed to design, execute, and scale a comprehensive evaluation plan that aligns system capabilities with organizational KPIs. This course is designed for technical practitioners, machine learning engineers, and software architects who build and deploy generative and agentic applications.
In this course, you'll learn to build and run enterprise agents on the Managed Agents API, the managed agent runtime on Gemini platform. Three conceptual lessons give you the mental model. You'll learn why a real business task needs an agent rather than a chat model. You'll examine how the platform splits into a control plane that defines agents and a data plane that runs them. You'll learn how to assemble an agent from a definition, a sandboxed environment, mounted data, tools, and skills. Furthermore, you'll learn how to run it with background interactions, a streamed reason-act loop, resilient typed results, and state that persists across turns. You then put that model to work in a hands-on lab, where you build, run, and harden a retail merchandising agent for Cymbal Retail from an empty project to a production-shaped deployment. By the end, you'll be able to design, build, and operate a managed agent of your own.
In this course, you’ll learn to simplify the creation of autonomous enterprise agents using the Agent Development Kit (ADK) in Gemini platform and you will learn how to leverage the power of Antigravity and the Agents CLI to transform your agent development workflow. In this course, you will explore practical techniques to automate repetitive tasks and significantly accelerate the creation of robust, enterprise-grade agents, ensuring scalability and efficiency in your AI projects.
This course covers the technical side of governing an AI agent workforce using Agent Gateway, Agent Registry, and Policies. It discusses the overall architecture of centralized agent governance, focusing on managing agent sprawl and securing communication with internal systems. The course explores the infrastructure and enterprise networking required to deploy the Agent Gateway, including automated deployment with Terraform and configuring private egress via Private Service Connect. It offers guidance towards establishing a zero-trust security perimeter using unique agent identities with mTLS, per-tool authorization with REQUEST_AUTHZ, and granular CEL policies. Furthermore, it empowers administrators to implement content security guardrails using Model Armor in Gemini platform and Cloud DLP to mitigate semantic threats like prompt injection and data leakage. Finally, the course explains how to manage tool discovery through the Agent Registry and ensure end-to-end observability and thr…
This course provides learners the knowledge to configure Workforce Identity Federation to grant Google Cloud and Gemini access to users that authenticate using a third-party Identity Provider. The curriculum includes theory and demo videos covering workforce identity pools, OIDC and SAML providers, attribute mapping, IAM policies, and troubleshooting guidance.
This course covers the technical side of deploying Gemini. It discusses the overall architecture of Gemini, decisions to be made when provisioning the app infrastructure, and integrating enterprise data via Data Stores, Connectors. and Actions. The course also explores the kinds of agents that can be added to Gemini. It offers guidance towards establishing a security perimeter using IAM, VPC Service Control, Context-Aware Access, and semantic controls deployed with Model Armor in Gemini platform. Finally, it empowers administrators to fine-tune the end-user experience through comprehensive configuration options, and explains how administrators keep AI deployments secure, compliant, and performant through OpenTelemetry instrumentation and prompt logging.
This course will guide you through designing customer engagements that result in successful, well-utilized Gemini deployments. Study the art of change management, how to identify and engage sponsors, recruit early adopters, help your customer identify and address cultural change challenges and skills gaps, and effectively deliver project communications. Additionally, learn how to support your customer to plan, offer, conduct, and evaluate end-user training, leverage partner resources, and create essential project documents.
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 course covers techniques for boosting and filtering search results, as well as the implementation of meta tags for advanced search control.
Este curso oferece aos profissionais de banco de dados o framework estratégico para eliminar silos operacionais. O Database Center com o Gemini é um console de comando unificado para todo o seu ambiente de banco de dados. Ao usá-lo, você consolida serviços totalmente gerenciados e bancos de dados autogerenciados no Compute Engine em um único painel de observabilidade. Este curso ajuda você a dominar os insights assistidos pelo Gemini, a fazer a transição da solução de problemas reativa para a liderança proativa, a automatizar o gerenciamento da postura de segurança, a aplicar padrões de conformidade em toda a organização e a otimizar o desempenho antes que os gargalos afetem os negócios.
Quer migrar seus bancos de dados para o Google Cloud? Este curso ensina a estratégia para isso. Aprenda a avaliar os fatores de negócios para superar os altos custos no local e a dependência de fornecedores. Use o Migration Center para descobrir recursos, analisar o TCO e criar um plano de ondas em fases. Você vai aprender a escolher o caminho de migração certo e identificar as soluções adequadas do Google Cloud para suas cargas de trabalho. Você vai sair com um caso de negócios baseado em dados e um plano claro para conquistar a aprovação da diretoria e liderar uma migração bem-sucedida.
Saiba como usar o Gemini Notebook para criar um guia de estudo personalizado para o exame de certificação Professional Machine Learning Engineer (PMLE). Você vai analisar os recursos do Gemini Notebook, criar um notebook e usar o guia de estudo para se preparar para um exame de certificação.
AI Applications provides built-in analytics for your Agent Search and Gemini. Learn what metrics are tracked and how to view them in this course.
Initial deployment of Agent Search and Gemini Enterprise apps takes only a few clicks, but getting the configurations right can elevate a deployment from a basic off-the-shelf app to an excellent custom search or recommendations experience. In this course, you'll learn more about the many ways you can customize and improve search, recommendations, and Gemini Enterprise apps.
O curso "Agentes de IA generativa: transforme sua organização" é o quinto e último do programa de aprendizado Gen AI Leader. Nesse curso, você aprende como as organizações podem usar agentes de IA generativa personalizados para enfrentar desafios específicos nos negócios. Você aprende na prática a construir um agente básico de IA generativa e quais são os componentes desses agentes, como modelos, ciclos de raciocínio e ferramentas.
Apps de IA generativa: transforme seu trabalho é o quarto curso do programa de aprendizado de liderança em IA Generativa. Esse curso apresenta os aplicativos de IA generativa do Google, como Gemini para Workspace e NotebookLM. Além disso, aborda conceitos como embasamento, geração aumentada de recuperação, construção de comandos eficazes e criação de fluxos de trabalho automatizados.
IA generativa: como navegar pelo cenário atual é o terceiro curso do programa de aprendizado Gen AI Leader. A IA generativa está mudando a forma como trabalhamos e interagimos com o mundo ao nosso redor. No entanto, como líder, como aproveitar esse potencial para gerar resultados de negócios reais? Neste curso, você vai conhecer as diferentes camadas da criação de soluções de IA generativa, as ofertas do Google Cloud e os fatores a serem considerados ao selecionar uma solução.
IA generativa: conceitos básicos é o segundo curso do programa de aprendizado Gen AI Leader. Neste curso, você vai conhecer os conceitos básicos da IA generativa e analisar as diferenças entre IA, ML e IA generativa. Também vai entender como vários tipos de dados possibilitam que a IA generativa lide com desafios nos negócios. Além disso, vai aprender sobre as estratégias do Google Cloud para lidar com as limitações dos modelos de fundação e os principais desafios para o desenvolvimento e a implantação seguros e responsáveis da IA.
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.
Saiba como usar o Gemini Notebook para criar um guia de estudo personalizado para o exame de certificação Professional Cloud Architect. Você vai analisar os recursos da ferramenta, criar um notebook nela e aprender a usar um guia de estudo para se preparar para um exame de certificação.
"Noções básicas do Google Cloud: infraestrutura principal" é uma apresentação da terminologia e de conceitos importantes para trabalhar com o Google Cloud. Usando vídeos e laboratórios práticos, o curso apresenta e compara vários serviços de armazenamento e computação do Google Cloud, além de ferramentas importantes para o gerenciamento de políticas e recursos.
Neste curso, vamos conhecer o Vertex AI Studio, uma ferramenta para interagir com modelos de IA generativa, prototipar ideias comerciais e colocá-las em produção. Com a ajuda de um caso de uso imersivo, lições interessantes e um laboratório, você vai conhecer o ciclo de vida do comando à produção, além de usar o Vertex AI Studio para aplicativos multimodais do Gemini, design e engenharia de comandos e ajuste de modelos. O objetivo é permitir que você descubra todo o potencial da IA generativa nos seus projetos com o Vertex AI Studio.
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.
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
Este curso é uma introdução à arquitetura de transformador e ao modelo de Bidirectional Encoder Representations from Transformers (BERT, na sigla em inglês). Você vai aprender sobre os principais componentes da arquitetura de transformador, como o mecanismo de autoatenção, e como eles são usados para construir o modelo de BERT. Também vai conhecer as diferentes tarefas onde é possível usar o BERT, como classificação de texto, respostas a perguntas e inferência de linguagem natural. O curso leva aproximadamente 45 minutos.
Este curso apresenta um resumo da arquitetura de codificador-decodificador, que é uma arquitetura de machine learning avançada e frequentemente usada para tarefas sequência para sequência (como tradução automática, resumo de textos e respostas a perguntas). Você vai conhecer os principais componentes da arquitetura de codificador-decodificador e aprender a treinar e disponibilizar esses modelos. No tutorial do laboratório relacionado, você vai codificar uma implementação simples da arquitetura de codificador-decodificador para geração de poesia desde a etapa inicial no TensorFlow.
Este curso é uma introdução ao mecanismo de atenção, uma técnica avançada que permite que as redes neurais se concentrem em partes específicas de uma sequência de entrada. Você vai entender como a atenção funciona e como ela pode ser usada para melhorar o desempenho de várias tarefas de machine learning (como tradução automática, resumo de texto e resposta a perguntas).
Neste curso, apresentamos os modelos de difusão, uma família de modelos de machine learning promissora no campo da geração de imagens. Os modelos de difusão são baseados na física, mais especificamente na termodinâmica. Nos últimos anos, eles se popularizaram no setor e nas pesquisas. Esses modelos servem de base para ferramentas e modelos avançados de geração de imagem no Google Cloud. Este curso é uma introdução à teoria dos modelos de difusão e como eles devem ser treinados e implantados na Vertex AI.
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 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.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.