Sanjeev Sarda
Date d'abonnement : 2025
Ligue de Diamant
46415 points
Google DeepMind : Entraîner un petit modèle de langage
Earned avr. 11, 2026 EDT
Google DeepMind: 07 Accelerate Your Model
Earned avr. 10, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model
Earned avr. 10, 2026 EDT
Google DeepMind: 04 Discover The Transformer Architecture
Earned avr. 10, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned avr. 8, 2026 EDT
Google DeepMind: 02 Represent Your Language Data
Earned avr. 8, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned avr. 8, 2026 EDT
How to Use TPUs for Inference
Earned avr. 7, 2026 EDT
Architecting an AI Inference Stack
Earned avr. 7, 2026 EDT
Déployer votre premier agent
Earned mars 28, 2026 EDT
[DEPRECATED] Orchestrate Complex Multi-Agent Workflows
Earned mars 28, 2026 EDT
Coordinate Multiple Agents
Earned mars 28, 2026 EDT
Hybrid Cloud Multi-Cluster with Anthos - Français
Earned fév. 15, 2025 EST
Hybrid Cloud Service Mesh with Anthos - Français
Earned fév. 9, 2025 EST
Hybrid Cloud Infrastructure Foundations with Anthos - Français
Earned fév. 8, 2025 EST
Optimiser les coûts pour Google Kubernetes Engine
Earned fév. 7, 2025 EST
Déployer des applications Kubernetes sur Google Cloud
Earned fév. 6, 2025 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned fév. 1, 2025 EST
Concevoir une architecture avec Google Kubernetes Engine : production
Earned jan. 31, 2025 EST
Concevoir une architecture avec Google Kubernetes Engine : charges de travail
Earned jan. 25, 2025 EST
Concevoir une architecture avec Google Kubernetes Engine : principes de bases
Earned jan. 19, 2025 EST
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned jan. 18, 2025 EST
Terminez le badge de compétence avancé Google DeepMind : Entraîner un petit modèle de langage en suivant ce cours pour démontrer 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.Accédez à cet atelier sans frais en souscrivant un abonnement sans frais . Recevez 35 crédits sans frais chaque mois !
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
En savoir plus
This course is for developers interested in learning how to use TPUs for inference—from architecture to deployment, and how to solve common implementation challenges.
En savoir plus
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.
En savoir plus
Dans ce cours, vous apprendrez à déployer des agents ADK sur Vertex AI Agent Engine et Cloud Run.
En savoir plus
Learn to orchestrate complex multi-agent workflows. This lesson teaches you to choose the right workflow patterns, manage state across agents, understand when custom logic is needed, and introduces distributed agent systems with A2A Protocol.
En savoir plus
Learn to coordinate multiple specialized agents working together. This lesson teaches you when to use multi-agent systems, how to orchestrate agents with workflow patterns, and how agents communicate through shared state. By the end, you’ll build a complete multi-agent application.
En savoir plus
Ce cours à la demande permet aux participants de comprendre, de configurer et de gérer des infrastructures Kubernetes multicluster à l'aide d'Anthos GKE et d'un maillage de services basé sur Istio, que ces infrastructures soient déployées avec Anthos sur Google Cloud ou avec Anthos sur VMware.
Il s'agit du troisième et dernier cours de la série "Architecting Hybrid Cloud Infrastructure with Anthos".
Vous devez avoir terminé le parcours "Architecting with Google Kubernetes Engine" pour pouvoir suivre ce cours.
En savoir plus
Ce cours à la demande permet aux participants de comprendre et d’adopter le maillage de services basé sur Istio avec Anthos pour centraliser l'observabilité, la gestion du trafic et la sécurité au niveau du service. Il s'agit du deuxième cours de la série "Architecting Hybrid Cloud Infrastructure with Anthos". Une fois ce cours terminé, les participants doivent suivre le cours "Hybrid Cloud Multi-Cluster with Anthos". Vous devez avoir terminé le parcours "Architecting with Google Kubernetes Engine" pour pouvoir suivre ce cours.
En savoir plus
Bienvenue dans le cours "Hybrid Cloud Infrastructure Foundations with Anthos".
Il s'agit du premier cours du parcours "Architecting Hybrid Cloud Infrastructure with Anthos". Anthos vous permet de créer et de gérer des applications modernes, et de les exécuter où vous le souhaitez. Anthos offre une expérience cohérente dans les environnements sur site et dans le cloud.
Dans ce cours, nous allons vous présenter les modules qui vous permettront d'acquérir des compétences que vous utiliserez en tant qu'architecte ou administrateur responsable de l'exécution d'environnements Anthos. Les modules de ce cours incluent des vidéos, des ateliers pratiques et des liens vers des ressources de documentation utiles.
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
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.
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.
En savoir plus
Dans ce cours, vous découvrirez la sécurité dans Kubernetes et Google Kubernetes Engine (GKE) (journaux et surveillance), ainsi que l'utilisation des services de stockage et de bases de données gérés Google Cloud à partir de GKE.
Il s'agit du deuxième cours de la série "Concevoir une architecture avec Google Kubernetes Engine". Après l'avoir terminé, inscrivez-vous aux cours "Infrastructure Google Cloud fiable: conception et processus" ou "Hybrid Cloud Infrastructure Foundations with Anthos".
En savoir plus
Le cours "Concevoir une architecture avec Google Kubernetes Engine : charges de travail" vous fera découvrir de manière très complète le développement d'applications cloud natives. Tout au long de votre formation, vous étudierez les opérations Kubernetes, la gestion des déploiements, la mise en réseau GKE et le stockage persistant.
Il s'agit du premier cours de la série "Concevoir une architecture avec Google Kubernetes Engine". Après l'avoir terminé, inscrivez-vous au cours "Concevoir une architecture avec Google Kubernetes Engine : production".
En savoir plus
Dans le cours "Concevoir une architecture avec Google Kubernetes Engine : principes de bases," nous allons vous présenter l'organisation et les principes de Google Cloud. Nous vous apprendrons ensuite à créer et gérer des conteneurs de logiciels, puis nous vous ferons découvrir l'architecture de Kubernetes.
En savoir plus
"Concepts fondamentaux de Google Cloud : infrastructure de base" présente les concepts et les termes à connaître pour utiliser Google Cloud. À travers des vidéos et des ateliers pratiques, il décrit et compare la plupart des services Google Cloud de calcul et de stockage, ainsi que des outils importants de gestion des ressources et des règles.
En savoir plus
