Vinicius Milere Moreira
Date d'abonnement : 2025
Ligue d'Argent
47962 points
Date d'abonnement : 2025
Il s'agit du premier cours d'une série de quatre destinés aux architectes et ingénieurs cloud possédant déjà des connaissances sur AWS. Il compare les solutions Google Cloud et AWS, et guide les professionnels dans leur utilisation. Ce cours est consacré à Identity and Access Management (IAM) et à la mise en réseau dans Google Cloud. Les participants mettront en application leurs connaissances de la gestion des accès et de la mise en réseau dans AWS pour explorer les similitudes et les différences avec la gestion des accès et la mise en réseau dans Google Cloud. Ils s'entraîneront également à créer et gérer des ressources Google Cloud.
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.
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.
Terminez le cours intermédiaire Implémenter des pratiques de base pour la sécurité du cloud sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'attribution de rôles avec Identity and Access Management (IAM) ; la création et la gestion de comptes de service ; l'activation d'une connectivité privée sur les réseaux de cloud privé virtuel (VPC) ; la restriction de l'accès aux applications avec Identity-Aware Proxy ; la gestion des clés et des données chiffrées avec Cloud Key Management Service (KMS) ; et la création d'un cluster Kubernetes privé.
Obtenez un badge de compétence en suivant le cours Créer une infrastructure Google Cloud pour les utilisateurs professionnels d'AWS. Vous y apprendrez comment configurer des autorisations IAM, orchestrer des charges de travail à l'aide de Kubernetes, héberger une application Web avec Compute Engine et configurer l'équilibrage de charge.
Terminez le cours d'introduction Créer un lac de données sécurisé sur Cloud Storage pour recevoir un badge de compétence dans les domaines suivants : sécuriser et configurer un bucket Cloud Storage, utiliser Gemini pour générer du texte, gérer le contrôle des accès IAM et créer un lac Knowledge Catalog pour la gouvernance des données.
Streaming high-velocity data is great, but only if your pipeline doesn't break under pressure. In this trail, you'll wire up Pub/Sub and Python Dataflow to stream live data straight into Cloud Storage, then lock the whole environment down. By encrypting keys with Cloud KMS, cataloging assets, and isolating networks with VPC Peering, you'll clear both challenge labs and prove you can build real-time data lakes that are as fast as they are secure.
Obtenez un badge de compétence en suivant le cours Créer un lac de flux de données sur Cloud Storage, dans lequel vous utiliserez Pub/Sub, Dataflow et Cloud Storage pour créer un lac de flux de données sur Google Cloud.
Terminez le cours Enrichir les métadonnées et la découverte des données Lakehouse pour recevoir un badge démontrant vos compétences avec BigQuery, Lakehouse et le Knowledge Catalog. Vous allez apprendre à créer des tables Lakehouse et à enrichir la gestion des métadonnées ainsi que la découverte des données de table.
Terminez le cours intermédiaire Inspecter des documents enrichis avec Gemini multimodal et le RAG multimodal pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'utilisation de requêtes multimodales pour extraire des informations de données textuelles et visuelles, la génération d'une description vidéo et la récupération d'informations qui ne sont pas incluses dans une vidéo en utilisant la multimodalité avec Gemini ; la création de métadonnées de documents contenant du texte et des images, la collecte de tous les éléments de texte pertinents, et l'impression de citations à l'aide de la génération augmentée par récupération (RAG, Retrieval Augmented Generation) multimodale avec Gemini.
Cloud Storage, Cloud Functions et Cloud Pub/Sub sont tous des services Google Cloud Platform qui peuvent être utilisés pour stocker, traiter et gérer des données. Ces trois services peuvent être utilisés ensemble pour créer différentes applications basées sur les données. Dans ce cours, vous allez utiliser Cloud Storage pour stocker des images, Cloud Functions pour les traiter et Cloud Pub/Sub pour les envoyer à une autre application.
Since last month's Arcade Trail wrapped up earlier than expected, we’re opening up this bonus game only for this month so you can grab that missed Arcade Point! You'll start on the vault side with Google Cloud Storage—managing buckets, exploring APIs, and locking down sensitive data with Bucket Lock. Then, you'll shift to event-driven vectors at the command line, triggering Cloud Run Functions and routing real-time messages through Pub/Sub. Complete with two hands-on challenge labs, this trail gets your streak back on track while building real-world storage and serverless skills.
Obtenez un badge de compétence en suivant le cours Mettre en œuvre des solutions de stockage et de protection des données dans le cloud, où vous apprendrez à créer un bucket Cloud Storage, et à utiliser la ligne de commande Cloud Storage et le verrou de bucket pour protéger les objets.
Terminez le cours d'introduction Conception de requêtes dans Agent Platform pour recevoir un badge démontrant vos compétences dans les domaines suivants : le prompt engineering (ingénierie des requêtes), l'analyse d'images et les techniques d'IA générative multimodale dans Agent Platform. Découvrez comment élaborer des requêtes efficaces, guider les résultats de l'IA générative et appliquer des modèles Gemini à des scénarios marketing concrets.
Obtenez le badge de compétence intermédiaire Explorer l'IA générative dans Agent Platform pour démontrer vos compétences dans les domaines suivants : la génération de texte, l'analyse d'images et de vidéos pour améliorer la création de contenu, et l'application de techniques d'appel de fonction dans l'API Gemini. Découvrez comment exploiter des techniques Gemini avancées et étendre les capacités de vos projets optimisés par l'IA, et explorez le fonctionnement de la génération de contenu multimodal.
Terminez le cours Implémenter Sensitive Data Protection dans Google Cloud pour recevoir un badge de compétence dans le domaine suivant : utilisation des services Sensitive Data Protection (y compris l'API Cloud Data Loss Prevention) pour inspecter, masquer et supprimer les éléments d'identification des données sensibles dans Google Cloud.
Obtenez un badge de compétence en suivant le cours Analyser des images avec l'API Cloud Vision. Vous y découvrirez comment exploiter l'API Cloud Vision pour diverses tâches, y compris l'extraction de texte à partir d'images.
Obtenez un badge de compétence en suivant le cours Créer des applications basées sur des événements avec Eventarc. Dans ce cours, vous utilisez Eventarc pour créer des déclencheurs d'événements pour différentes ressources, y compris des sujets Pub/Sub et des buckets Cloud Storage.
Obtenez le badge de compétence de niveau Débutant en suivant le cours Configurer des comptes de service et des rôles IAM pour Google Cloud. Vous y découvrirez les comptes de service, les rôles personnalisés et comment définir des autorisations à l'aide de gcloud.
Obtenez le badge de compétence intermédiaire en suivant le cours Connecter des réseaux Cloud avec NCC. Vous y apprendrez à utiliser Network Connectivity Center pour connecter vos réseaux d'entreprise sur site, cloud et hybrides, et à les gérer sous forme de spokes via un seul hub centralisé sur Google Cloud.
Welcome to this month's Arcade Simulator where you will step into the shoes of a Network Security Engineer. In this simulation, you'll first lock down access control across your infrastructure—crafting custom IAM roles, scripting permissions, and setting up Identity-Aware Proxy to secure user authentication without traditional VPNs. Then, you'll take control of hybrid enterprise topology, using Network Connectivity Center to link multi-cloud networks, VPCs, and site-to-site HA-VPNs. Complete with two realistic challenge labs, this simulation equips you to eliminate access blind spots, secure cross-cloud traffic, and build a fortress-grade network on Google Cloud.
Obtenez le badge de niveau Intermédiaire L'accès privilégié avec IAM démontrant vos compétences dans les domaines suivants : les rôles personnalisés utilisant Identity and Access Management (IAM), le principe du moindre privilège, l'accès temporaire élevé juste à temps et la sécurité des applications Web utilisant Identity-Aware Proxy (IAP).
Obtenez le badge de compétence intermédiaire en suivant le cours Implémenter des pipelines CI/CD sur Google Cloud, dans lequel vous apprendrez à utiliser Artifact Registry, Cloud Build et Cloud Deploy. Vous interagirez avec la console Cloud, Google Cloud CLI, Cloud Run et GKE. Vous apprendrez à créer des pipelines d'intégration continue, à stocker et sécuriser des artefacts, à rechercher des failles et à attester de la validité de versions approuvées. Vous vous entraînerez également à déployer des applications sur GKE et Cloud Run.
Accelerating software delivery while maintaining stability demands automated build, artifact, and release pipelines. This trail covers the core practices for implementing continuous integration and continuous delivery (CI/CD) on Google Cloud. You will begin by managing container images with Artifact Registry and building automated pipelines for Google Kubernetes Engine using Cloud Build. Next, you will configure continuous delivery workflows with Google Cloud Deploy to safely promote releases across environments. Concluding with a practical challenge lab, this trail prepares you to establish resilient, production-ready deployment pipelines.
Obtenez un badge de compétence en suivant le cours Développer avec Apps Script et AppSheet, où vous apprendrez à créer des chatbots et à utiliser l'éditeur de scripts dans n'importe quel document.
Terminez le cours d'introduction La surveillance dans Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : utiliser les outils Cloud Monitoring pour surveiller les ressources sur Google Cloud.
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
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.
Who says sharing complex data across boundaries has to be a compliance nightmare? This adventure is your blueprint for delivering modern Analytics-as-a-Service on Google Data Cloud. You'll start by building secure, authorized views on BigQuery to safely expose data to partners without exposing underlying tables. Next, you'll learn to consume customer-specific datasets and streamline cross-organization data delivery. Packed with a hands-on challenge lab, this adventure gives you the practical skills to publish, share, and scale data seamlessly while keeping security tight.
Obtenez le badge de compétence Orchestrer des workflows multi-agents avec Gemini Enterprise pour démontrer vos compétences dans les domaines suivants : utiliser des assistants agentiques optimisés par Gemini Enterprise pour unifier les données provenant de sources propriétaires et tierces, développer des supports marketing multimédias, et automatiser les actions métier dans les différents systèmes. 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 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.
Terminez le cours intermédiaire Utiliser des fonctions, des formules et des graphiques dans Google Sheets pour recevoir un badge pour démontrer vos compétences dans les domaines suivants : analyse de données à l'aide de fonctions, visualisation de données à l'aide de graphiques, ainsi que recherche, validation, mise en forme et affichage des données.
Transforming raw spreadsheet data into structured business intelligence requires precise validation, efficient navigation, and dynamic visual reporting. This voyage path builds core analytical competencies using Google Sheets. You will begin by implementing strict data validation rules, configuring targeted search workflows, and ensuring data integrity across large datasets. You will then advance to building dynamic charts and executing complex analytical formulas to extract meaningful insights. Finalized with a comprehensive challenge lab, this voyage prepares you to build reliable, presentation-ready analytical workbooks.
Obtenez le badge de compétence de niveau Débutant 'Organiser et gouverner les données avec Dataplex' pour démontrer vos compétences dans les domaines suivants : création d'assets Dataplex, création de types d'aspects et application d'aspects aux entrées dans Dataplex. 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.
Obtenez un badge de compétence en suivant le cours Déployer et sécuriser des API sans serveur avec API Gateway, dans lequel vous apprendrez à utiliser API Gateway pour déployer, sécuriser et gérer des API avec une passerelle entièrement gérée.
It’s all about global spans and execution plans. First, you'll get under the hood of Google Cloud Spanner to design schemas, load data at scale, and master query plan optimization. From there, you'll execute your serverless backend plan by wiring up Cloud Run Functions, Pub/Sub messaging, and API Gateway. Packed with two challenge labs, you'll leave with full control over enterprise data and event-driven APIs.
Terminez le cours d'introduction Créer et gérer des instances Cloud Spanner pour recevoir un badge démontrant vos compétences dans les domaines suivants : créer des instances et des bases de données Cloud Spanner et interagir avec elles ; charger des bases de données Cloud Spanner à l'aide de différentes techniques ; sauvegarder des bases de données Cloud Spanner, définir des schémas et comprendre les plans de requête ; déployer une application Web moderne connectée à une instance Cloud Spanner.
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
Welcome to this month's Arcade Simulator where you will be a Data Mesh Architect. In this simulation, you'll first tackle BigQuery to build date-partitioned tables, solve complex join pitfalls, and master nested data structures. Then, you'll shift to decentralized governance using Dataplex Knowledge Catalog to organize assets, assign metadata, and enforce strict cloud security. Complete with two realistic challenge labs, this simulation equips you to break down data silos, scale your infrastructure, and run a secure, seamless data mesh.
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.
Dans ce cours, vous apprendrez à déployer des agents ADK sur Vertex AI Agent Engine et Cloud Run.
Découvrez l'architecture et le déploiement des systèmes multi-agents à l'aide d'Agent Development Kit (ADK) de Google et de l'infrastructure robuste de Google Cloud. Vous apprendrez à concevoir des arborescences d'agents hiérarchiques et des agents de workflow déterministes tout en identifiant l'environnement d'hébergement idéal (de Cloud Run sans serveur à GKE pour de hautes performances) pour vous assurer que vos agents IA sont sécurisés, évolutifs et prêts pour la production.
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.
Ce cours explique comment les agents IA génèrent un impact commercial. Vous découvrirez ensuite comment Gemini Enterprise vous permet de créer et d'orchestrer les agents adaptés, des solutions no-code au high-code.
Ce cours présente les principes de base des agents IA et explore les cas où ils apportent une réelle valeur. Il fournit des bases aux développeurs, aux architectes et aux décideurs techniques qui souhaitent comprendre les systèmes d'IA à travers le prisme du comportement autonome et orienté vers des objectifs.
Obtenez un badge de compétence en suivant le cours Partager des données avec Google Data Cloud. Vous pourrez ainsi acquérir une expérience pratique concernant les partenaires de partage de données Google Cloud, qui disposent d'ensembles de données propriétaires que les clients peuvent utiliser pour effectuer des analyses de données. Les clients s'abonnent à ces données et les interrogent dans leur propre plate-forme. Ils les enrichissent ensuite avec leurs propres ensembles de données et utilisent leurs outils de visualisation pour les tableaux de bord destinés à leur clientèle.
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 un badge de compétence en suivant le cours Analyse de flux dans BigQuery, où vous utiliserez Pub/Sub, Dataflow et BigQuery ensemble pour diffuser des données afin de les analyser.
This course provides an introduction to Data Studio’s powerful features for data visualization and reporting. Learn to transform raw data into insightful reports by mastering various visualization options, connecting to diverse data sources, and implementing interactive controls such as filters. Explore data blending techniques to combine information from multiple sources and unlock deeper insights. Through hands-on exercises you'll gain the skills to create compelling, dynamic reports that effectively communicate data-driven stories.
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.
Dans ce cours, vous allez explorer l'ingénierie de données sur Google Cloud, les rôles et responsabilités des ingénieurs de données, et la façon dont ces éléments se retrouvent dans les offres Google Cloud. Vous apprendrez également à relever les défis liés à l'ingénierie de données.
Découvrez comment utiliser Gemini Notebook pour créer un guide de préparation personnalisé pour l'examen de certification Professional Data Engineer. Vous allez passer en revue les fonctionnalités de Gemini Notebook, créer un notebook dans Gemini Notebook, et apprendre à utiliser un guide d'étude pour vous entraîner à passer un examen de certification.
Dans ce cours, vous allez vous exercer à résoudre des problèmes concrets rencontrés lors de la création de pipelines de flux données. L'objectif principal est de gérer des données continues et illimitées avec les produits Google Cloud.
Dans ce deuxième volet de la série de cours sur Dataflow, nous allons nous intéresser de plus près au développement de pipelines à l'aide du SDK Beam. Nous allons commencer par passer en revue les concepts d'Apache Beam. Nous allons ensuite parler du traitement des données par flux à l'aide de fenêtres, de filigranes et de déclencheurs. Nous passerons ensuite aux options de sources et de récepteurs dans vos pipelines, aux schémas pour présenter vos données structurées, et nous verrons comment effectuer des transformations avec état à l'aide des API State et Timer. Nous aborderons ensuite les bonnes pratiques qui vous aideront à maximiser les performances de vos pipelines. Vers la fin du cours, nous présentons le langage SQL et les DataFrames pour représenter votre logique métier dans Beam, et nous expliquons comment développer des pipelines de manière itérative à l'aide des notebooks Beam.
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.
Dans ce cours de niveau intermédiaire, vous apprendrez à concevoir, créer et optimiser des pipelines de données en batch robustes sur Google Cloud. Au-delà des bases de la gestion des données, vous explorerez les transformations de données à grande échelle et l'orchestration efficace des workflows, essentielles pour l'informatique décisionnelle et les rapports critiques. Vous vous entraînerez à utiliser Dataflow pour Apache Beam et Serverless pour Apache Spark (Dataproc Serverless) pour l'implémentation, et vous aborderez des considérations importantes concernant la qualité des données, la surveillance et les alertes pour assurer la fiabilité des pipelines et l'excellence opérationnelle. Il est recommandé d'avoir des connaissances de base sur l'entreposage de données, les processus ETL/ELT, SQL, Python et les concepts de Google Cloud.
Terminez le cours d'introduction Créer un maillage de données avec Knowledge Catalog pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création d'un maillage de données avec Knowledge Catalog pour faciliter la sécurité, la gouvernance et la découverte des données sur Google Cloud. Cela comprend l'ajout de tags à des éléments, l'attribution de rôles IAM et l'évaluation de la qualité des données dans Knowledge Catalog.
Terminez le cours intermédiaire Créer un entrepôt de données avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : la jointure de données pour créer des tables, la résolution des problèmes liés aux jointures, l'ajout de données avec des unions, la création de tables partitionnées par date, et l'utilisation d'objets JSON, ARRAY et STRUCT dans BigQuery.
Dans le dernier volet de la série de cours sur Dataflow, nous allons présenter les composants du modèle opérationnel de Dataflow. Nous examinerons les outils et techniques permettant de résoudre les problèmes et d'optimiser les performances des pipelines. Nous passerons ensuite en revue les bonnes pratiques en matière de test, de déploiement et de fiabilité pour les pipelines Dataflow. Nous terminerons par une présentation des modèles, qui permettent de faire évoluer facilement les pipelines Dataflow pour les adapter aux organisations comptant des centaines d'utilisateurs. Ces leçons vous aideront à vous assurer que votre plate-forme de données est stable et résiliente face aux imprévus.
Bien que les approches traditionnelles utilisant des lacs de données et des entrepôts de données puissent être efficaces, elles présentent des inconvénients, en particulier dans les grands environnements d'entreprise. Ce cours présente le concept de data lakehouse et les produits Google Cloud utilisés pour en créer un. Une architecture de lakehouse utilise des sources de données basées sur des normes ouvertes et combine les meilleures fonctionnalités des lacs et des entrepôts de données, ce qui permet de pallier de nombreuses lacunes.
In this introductory course, you'll learn how Looker can help you explore, analyze, and visualize your data to drive better decisions. Through a combination of video lectures and demos, you'll discover how to connect to various data sources, build interactive dashboards, and perform effective data analysis. Whether you're a data analyst, BI analyst, data scientist or business user, this course will equip you with the foundational knowledge to start using Looker effectively, regardless of your background.
Dans ce cours, nous abordons en détail les composants et les bonnes pratiques de construction de systèmes de ML hautes performances dans des environnements de production. Nous verrons aussi certaines des considérations les plus courantes concernant la construction de ces systèmes, telles que l'entraînement statique, l'entraînement dynamique, l'inférence statique, l'inférence dynamique, les tâches TensorFlow distribuées et les TPU. Ce cours a pour objectif d'explorer les caractéristiques d'un bon système de ML, au-delà de sa capacité à effectuer des prédictions correctes.
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.
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 participants s'entraîneront à utiliser l'ingestion en flux continu de Vertex AI Feature Store au niveau du SDK.
Ce cours apporte aux professionnels du machine learning les techniques, les bonnes pratiques et les outils essentiels pour évaluer les modèles d'IA prédictive et générative. L'évaluation des modèles est primordiale pour s'assurer que les systèmes de ML fournissent des résultats fiables, précis et de haut niveau en production. Les participants acquerront une connaissance approfondie de diverses métriques et méthodologies d'évaluation, ainsi que de leur application appropriée dans différents types de modèles et tâches. Le cours mettra l'accent sur les défis uniques posés par les modèles d'IA générative et proposera des stratégies pour les relever efficacement. Grâce à la plate-forme Vertex AI de Google Cloud, les participants apprendront à implémenter des processus d'évaluation rigoureux pour la sélection, l'optimisation et la surveillance continue des modèles.
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.
Obtenez un badge de compétence en terminant le cours intermédiaire Créer et déployer des solutions de machine learning sur Vertex. Vous y apprendrez à utiliser la plate-forme Vertex AI de Google Cloud, AutoML et les services d'entraînement personnalisés pour entraîner, évaluer, régler, expliquer et déployer des modèles de machine learning. Ce cours, qui ouvre droit à un badge de compétence, est destiné aux data scientists et aux ingénieurs en machine learning. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
Les applications d'IA générative peuvent créer de nouvelles expériences utilisateur qu'il était quasiment impossible d'obtenir avant l'invention des grands modèles de langage (LLM). En tant que développeur d'applications, comment pouvez-vous utiliser l'IA générative pour créer des applications interactives et performantes sur Google Cloud ? Dans ce cours, vous allez découvrir les applications d'IA générative, et comment vous pouvez utiliser la conception de requêtes et la génération augmentée par récupération (RAG) pour créer des applications performantes à l'aide de LLM. Vous allez vous familiariser avec une architecture prête pour la production qui peut être utilisée pour les applications d'IA générative, et vous allez créer une application de chat basée sur des LLM et sur le RAG.
Ce cours présente le concept d'IA responsable et les principes associés. Il met en avant des techniques permettant d'identifier des données équitables ou biaisées, et de limiter les biais lors de l'utilisation de l'IA/du ML. Vous découvrirez des méthodes pratiques et des outils pour mettre en place de bonnes pratiques d'IA responsable à l'aide des produits Google Cloud et des outils Open Source.
Ce cours présente des points importants au sujet de la confidentialité et de la sécurité de l'IA. Vous découvrirez des méthodes pratiques et des outils pour mettre en place des pratiques recommandées de confidentialité et de sécurité de l'IA à l'aide de produits Google Cloud et d'outils Open Source.
Ce cours présente les concepts d'interprétabilité et de transparence de l'IA. Il explique en quoi la transparence de l'IA est importante pour les développeurs et les ingénieurs. Il explore des méthodes et des outils pratiques permettant d'atteindre l'interprétabilité et la transparence des modèles d'IA et des données.
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.
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.
Ce cours porte sur la création de modèles de ML à l'aide de TensorFlow et Keras, l'amélioration de la précision des modèles de ML et l'écriture de modèles de ML pour une utilisation évolutive.
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.
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 Managed Service for Apache Spark, 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.
Ce cours est une introduction aux notebooks Vertex AI, des environnements basés sur des notebooks Jupyter qui proposent une plate-forme unifiée pour l'ensemble du workflow de machine learning, de la préparation des données jusqu'au déploiement et à la surveillance des modèles. Le cours aborde les sujets suivants : (1) Les différents types de notebooks Vertex AI et leurs fonctionnalités, et (2) comment en créer et les gérer.
Ce cours présente les avantages liés à l'utilisation de Vertex AI Feature Store, ainsi que la manière d'améliorer la précision des modèles de ML et de déterminer les colonnes de données présentant les caractéristiques les plus utiles. Ce cours inclut également du contenu et des ateliers portant sur l'ingénierie des caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow.
Découvrez BigQuery ML pour l'inférence, pourquoi les analystes de données devraient s'en servir, ses cas d'utilisation et les modèles de ML compatibles. Apprenez également à créer des modèles de ML et à les gérer dans BigQuery.
Dans ce cours, vous découvrirez comment Gemini, un outil de collaboration Google Cloud optimisé par l'IA générative, aide à analyser les données client et à prédire les ventes de produits. Vous apprendrez également à identifier, classer et développer de nouveaux clients à l'aide des données client dans BigQuery. À l'aide d'ateliers pratiques, vous verrez en quoi Gemini améliore les workflows d'analyse de données et de machine learning. Duet AI a été rebaptisé Gemini, notre modèle nouvelle génération.
Terminez le cours intermédiaire Gérer des modèles de données dans Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : maintenir l'état de santé des projets LookML, utiliser l'exécuteur SQL pour la validation des données, appliquer les bonnes pratiques LookML, optimiser les requêtes et les rapports sur les performances, et mettre en œuvre des tables dérivées persistantes et des règles de mise en cache.
Ce cours montre comment utiliser des modèles d'IA/de ML pour des tâches d'IA générative dans BigQuery. À travers un cas d'utilisation pratique faisant intervenir la gestion de la relation client, vous étudierez le workflow de résolution d'un problème métier à l'aide de modèles Gemini. Pour faciliter la compréhension, le cours fournit également des instructions détaillées tout au long du codage des solutions à l'aide de requêtes SQL et de Notebooks Python.
Découvrez comment utiliser Gemini Notebook afin de créer un guide de préparation personnalisé pour l'examen de certification Professional Machine Learning Engineer (PMLE). Vous allez passer en revue les fonctionnalités de Gemini Notebook, créer un notebook et utiliser le guide de préparation pour vous entraîner en vue d'un examen de certification.
Ce cours vous permettra d'acquérir une expérience pratique de l'application des concepts avancés de LookML dans Looker. Vous apprendrez à utiliser Liquid pour personnaliser et créer des dimensions et des mesures dynamiques, à créer des tables dérivées SQL dynamiques et natives personnalisées, et à utiliser extends pour modulariser votre code LookML.
Dans ce cours, vous mettrez en pratique vos connaissances sur LookML dans Looker. Vous apprendrez à écrire du code LookML pour créer des dimensions et des mesures, créer des tables dérivées et les joindre à des explorations, filtrer ces explorations et définir des règles de mise en cache dans LookML.
Ce cours présente Gemini dans BigQuery, une suite de fonctionnalités basées sur l'IA conçue pour faciliter le workflow "des données à l'IA". Ces fonctionnalités incluent l'exploration et la préparation des données, la génération et le dépannage de code, ainsi que la découverte et la visualisation du workflow. Au moyen d'explications conceptuelles, d'un cas d'utilisation concret et d'ateliers pratiques, le cours explique aux professionnels des données comment booster leur productivité et accélérer le pipeline de développement.
Terminez le cours intermédiaire Créer des modèles de ML avec BigQuery ML pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création et l'évaluation de modèles de machine learning avec BigQuery ML pour générer des prédictions de données.
Ce cours présente les fonctionnalités d'IA et de machine learning (ML) de Google Cloud, en mettant l'accent sur le développement de projets d'IA prédictive et générative. Il explore les différents outils, produits et technologies disponibles tout au long du cycle de vie des données à l'IA, et permet aux data scientists, aux développeurs d'IA et aux ingénieurs en ML d'améliorer leur expertise grâce à des exercices interactifs.
Terminez le cours d'introduction Dégager des insights des données BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'écriture de requêtes SQL, l'interrogation de tables publiques, le chargement d'exemples de données dans BigQuery, la résolution d'erreurs de syntaxe courantes avec l'outil de validation des requêtes de BigQuery et la création de rapports dans Data Studio en se connectant aux données BigQuery.
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Terminez le cours d'introduction Préparer les données à utiliser pour les tableaux de bord et rapports Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : le filtrage, le tri et le croisement de données ; la fusion des résultats de différentes explorations Looker ; et l'utilisation de fonctions et d'opérateurs pour créer des tableaux de bord et des rapports Looker en vue de l'analyse et de la visualisation des données.
Ce cours s'adresse aux analystes de données qui souhaitent apprendre à utiliser BigQuery pour leurs besoins d'analyse de données. À travers un ensemble de vidéos, d'ateliers et de démonstrations, nous aborderons différents sujets pour expliquer comment ingérer, transformer et interroger vos données dans BigQuery afin de dégager des insights qui contribuent à la prise de décisions commerciales.
Découvrez comment transformer des chiffres bruts en décisions claires et basées sur les données sur Google Cloud. Grâce à des ateliers pratiques et des scénarios concrets, ce cours de niveau débutant vous apprendra à interroger des données dans BigQuery, à explorer les tendances dans Looker et à créer des rapports interactifs partageables dans Data Studio.