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.
Neste curso, ensinamos a criar um modelo de legenda para imagens usando aprendizado profundo. Você vai aprender sobre os diferentes componentes de um modelo de legenda para imagens, como o codificador e decodificador, e de que forma treinar e avaliar seu modelo. Ao final deste curso, você será capaz de criar e usar seus próprios modelos de legenda para imagens.
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.
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 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, você vai aprender a criar software em uma rapidamente orquestrando agentes no Google Antigravity. Primeiro, este curso prático vai orientar você a instalar e começar a usar o Antigravity. Em seguida, você vai usar o Firebase para ativar serviços nos apps criados com o Antigravity. Por fim, você vai criar um videogame, o Voyager, com comandos para que os agentes do Antigravity trabalhem em paralelo.
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 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.
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.
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.
Neste curso, apresentamos os conceitos de interpretabilidade e transparência em IA. Vamos abordar a importância da transparência em IA para desenvolvedores e engenheiros. O curso também abrange ferramentas e métodos práticos para ajudar a alcançar a interpretabilidade e a transparência em dados e modelos de IA.
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.
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.
Você criou agentes com configurações avançadas. Agora é hora de equipá-los com habilidades do mundo real. Inclua nos agentes ferramentas que permitam pesquisar na web, executar código, consultar bancos de dados e realizar ações específicas.
Você já criou agentes de LLM básicos que respondem a perguntas. Agora, vamos dar a eles um estado. Use o estado da sessão para criar agentes que mantenham o contexto, memorizem as preferências do usuário e ofereçam experiências personalizadas.
Você criou seu primeiro agente. Agora é hora de ir além! Neste curso, você vai aprender a transformar um agente de IA básico em um assistente sofisticado e preciso, aplicando instruções avançadas, seleção de modelos, recursos de planejamento e padrões de respostas estruturados. Participe do fórum da comunidade para tirar dúvidas e ver as discussões.
Conclua o selo de habilidade intermediário Engenharia de agentes de IA com o Agent Development Kit (ADK) ao concluir este curso para demonstrar habilidades nas seguintes atividades: formular problemas de pesquisa de modelos de linguagem do mundo real, criar um tokenizador simples, preparar um conjunto de dados para treinar um modelo de linguagem de transformador e executar o loop de treinamento de um modelo de linguagem pequeno.
Coloque em prática o que você sabe sobre agentes criando, configurando e executando seu primeiro agente de IA com o Kit de Desenvolvimento de Agente (ADK) do Google. Neste curso prático, você vai configurar um ambiente de desenvolvimento completo em ADK, criar agentes usando código Python e configuração YAML e executá-los com várias interfaces. Você também aprenderá os parâmetros centrais que definem o comportamento dos agentes, aplicando em código funcional o que aprendeu no primeiro curso.
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.
Conclua o selo de habilidade introdutório Orquestre fluxos de trabalho multiagente com o Gemini Enterprise para demonstrar habilidades em: usar assistentes com agentes com tecnologia do Gemini Enterprise para unificar dados em fontes próprias e de terceiros, desenvolver materiais de marketing multimídia e automatizar ações comerciais em sistemas. Os selos de habilidade validam seu conhecimento prático sobre produtos específicos com avaliações em laboratórios e desafios. Ganhe um selo ao concluir um curso ou vá direto para o laboratório com desafio e receba seu selo hoje mesmo. Esses selos comprovam seu domínio em determinados assuntos, aprimoram seu currículo e, por fim, abrem mais portas no mercado de trabalho. Acesse seu perfil para ver os selos que você ganhou.
Conheça a transição essencial de fluxos de trabalho orientados a tarefas para a orquestração de IA centrada em pessoas.
Crie seu primeiro aplicativo do Gemini Enterprise! Conecte diversas fontes de dados ao seu aplicativo para criar um mecanismo de busca e análise avançado e unificado. Domine recursos avançados como agentes Deep Research, ideação multiagente e NotebookLM para análises focadas.
Veja o impacto que os agentes de IA geram nos negócios. Em seguida, saiba como criar e orquestrar os agentes certos com o Gemini Enterprise e conheça desde as soluções sem código até as de desenvolvimento tradicional.
Este curso apresenta noções básicas sobre agentes de IA e explica como eles agregam valor no mundo real. Ele oferece uma base para desenvolvedores, arquitetos e tomadores de decisões técnicas que desejam entender os sistemas de IA pela perspectiva do comportamento autônomo e orientado a objetivos.
Tenha uma visão geral conceitual dos agentes de IA. Saiba como esses agentes usam ação e raciocínio autônomos para resolver problemas complexos. Você vai conhecer a arquitetura técnica (modelos, ferramentas e orquestração) que permite aos agentes aprender, planejar e alcançar objetivos em seu nome.