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 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.
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.
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.
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.
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.
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.
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.
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA responsable, souligne son importance et décrit comment Google l'implémente dans ses produits. Il présente également les sept principes de l'IA de Google.
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.
Le cours "Explorateur de l'IA générative – Agent Platform" est un ensemble d'ateliers consacrés à l'utilisation de l'IA générative sur Google Cloud. En suivant ces ateliers, vous apprendrez à utiliser les modèles Gemini dans Agent Platform. Vous découvrirez également comment prompter, les bonnes pratiques appliquer, et comment utiliser les prompts pour l'idéation, la classification, l'extraction et la synthèse de texte, et plus encore. Enfin, vous apprendrez à régler un modèle de fondation à l'aide d'un entraînement personnalisé dans Agent Platform et à le déployer sur un point de terminaison dans Agent Platform.
Ce cours présente Vertex AI Studio, un outil permettant d'interagir avec des modèles d'IA générative, de prototyper des idées commerciales et de les envoyer en production. Au moyen d'un cas d'utilisation immersif, de leçons captivantes et d'un atelier pratique, vous allez découvrir le cycle de vie de la requête au produit. Vous apprendrez également à utiliser Vertex AI Studio pour les applications multimodales Gemini, la conception de requêtes, le prompt engineering (ingénierie des requêtes) et le réglage de modèles. L'objectif est de vous permettre d'exploiter tout le potentiel de l'IA générative dans vos projets avec Vertex AI Studio.
Dans ce cours, vous allez apprendre à créer un modèle de sous-titrage d'images à l'aide du deep learning. Vous découvrirez les différents composants de ce type de modèle, comme l'encodeur et le décodeur, et comment l'entraîner et l'évaluer. À la fin du cours, vous serez en mesure de créer vos propres modèles de sous-titrage d'images et de les utiliser pour générer des sous-titres pour des images.
Ce cours présente l'architecture Transformer et le modèle BERT (Bidirectional Encoder Representations from Transformers). Vous découvrirez quels sont les principaux composants de l'architecture Transformer, tels que le mécanisme d'auto-attention, et comment ils sont utilisés pour créer un modèle BERT. Vous verrez également les différentes tâches pour lesquelles le modèle BERT peut être utilisé, comme la classification de texte, les questions-réponses et l'inférence en langage naturel. Ce cours dure environ 45 minutes.
Ce cours offre un aperçu de l'architecture encodeur/décodeur, une architecture de machine learning performante souvent utilisée pour les tâches "seq2seq", telles que la traduction automatique, la synthèse de texte et les questions-réponses. Vous découvrirez quels sont les principaux composants de l'architecture encodeur/décodeur, et comment entraîner et exécuter ces modèles. Dans le tutoriel d'atelier correspondant, vous utiliserez TensorFlow pour coder une implémentation simple de cette architecture afin de générer un poème en partant de zéro.
Ce cours présente le mécanisme d'attention, une technique efficace permettant aux réseaux de neurones de se concentrer sur des parties spécifiques d'une séquence d'entrée. Vous découvrirez comment fonctionne l'attention et comment l'utiliser pour améliorer les performances de diverses tâches de machine learning, dont la traduction automatique, la synthèse de texte et les réponses aux questions.
Ce cours présente les modèles de diffusion, une famille de modèles de machine learning qui s'est récemment révélée prometteuse dans le domaine de la génération d'images. Les modèles de diffusion trouvent leur origine dans la physique, et plus précisément dans la thermodynamique. Au cours des dernières années, ils ont gagné en popularité dans la recherche et l'industrie. Ils sont à la base de nombreux modèles et outils Google Cloud avancés de génération d'images. Ce cours vous présente les bases théoriques des modèles de diffusion, et vous explique comment les entraîner et les déployer sur Vertex AI.