Rejoindre Se connecter

Volodymyr Bordovskyi

Date d'abonnement : 2023

Ligue d'Or

16273 points
Optimiser le comportement des agents Earned avr. 15, 2026 EDT
Créer votre premier agent avec Agent Development Kit (ADK) Earned avr. 10, 2026 EDT
Créer des agents avec Agent Development Kit (ADK) Earned avr. 3, 2026 EDT
Agents : principes de base Earned avr. 3, 2026 EDT
Créer et gérer des instances Bigtable Earned oct. 25, 2023 EDT
Créer et gérer des instances Cloud Spanner Earned oct. 20, 2023 EDT
Créer des objets LookML dans Looker Earned oct. 16, 2023 EDT
Partager des données avec Google Data Cloud Earned oct. 13, 2023 EDT
Premiers pas avec Looker Earned oct. 13, 2023 EDT
Préparer les données à utiliser pour les tableaux de bord et rapports Looker Earned oct. 12, 2023 EDT
Generative AI Fundamentals - Français Earned sept. 27, 2023 EDT
Introduction à l'IA responsable Earned sept. 27, 2023 EDT
Présentation des grands modèles de langage Earned sept. 27, 2023 EDT
Dégager des insights des données BigQuery Earned sept. 27, 2023 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML Earned août 8, 2023 EDT
Créer un entrepôt de données avec BigQuery Earned juil. 18, 2023 EDT
Traitement des données sans serveur avec Dataflow : principes de base Earned juil. 10, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français Earned juin 18, 2023 EDT
Créer des pipelines de flux de données sur Google Cloud Earned juin 12, 2023 EDT
Créer des pipelines de données en batch sur Google Cloud Earned juin 6, 2023 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud Earned juin 2, 2023 EDT

Vous avez créé votre premier agent. Il est maintenant temps de passer à l'étape suivante. Dans ce cours, vous développerez vos compétences en apprenant à transformer un agent IA simple en un assistant sophistiqué et précis, grâce à des instructions avancées, à une sélection de modèles, à des capacités de planification et à des modèles de sortie structurés. Explorez d'autres contenus du programme Gemini Enterprise Agent Ready (GEAR). Rejoindre le forum de la communauté pour poser des questions et discuter.

En savoir plus

Mettez en pratique vos connaissances sur les agents en créant, configurant et exécutant votre premier agent IA à l'aide d'Agent Development Kit (ADK) de Google. Dans ce cours pratique, vous configurerez un environnement de développement ADK complet, créerez des agents avec du code Python et une configuration YAML, et les exécuterez sur plusieurs interfaces. Vous découvrirez également les paramètres essentiels qui définissent le comportement de l'agent, en appliquant dans du code fonctionnel ce que vous avez appris dans le cours 1. Explorez d'autres contenus du programme Gemini Enterprise Agent Ready (GEAR).

En savoir plus

Découvrez comment utiliser Agent Development Kit (ADK). Ce cours présente le framework Open Source d'ADK et montre comment passer du prompt engineering simple à une approche de développement logiciel structurée, axée sur le code, adaptée aux systèmes multi-agents de niveau entreprise.

En savoir plus

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.

En savoir plus

Terminez le cours d'introduction Créer et gérer des instances Bigtable pour recevoir un badge démontrant vos compétences dans les domaines suivants : la création d'instances, la conception de schémas, l'interrogation de données et la réalisation de tâches d'administration dans Bigtable, y compris la surveillance des performances et la configuration de l'autoscaling et de la réplication de nœuds.

En savoir plus

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.

En savoir plus

Terminez le cours d'introduction Créer des objets LookML dans Looker pour recevoir un badge démontrant vos compétences dans les domaines suivants : créer des dimensions, des mesures, des vues et des tables dérivées ; définir des types de filtres et de mesures en fonction des exigences ; mettre à jour les dimensions et les mesures ; créer et affiner des explorations ; joindre des vues à des explorations existantes et choisir les objets LookML à créer en fonction des exigences métier.

En savoir plus

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.

En savoir plus

Obtenez un badge de compétence en suivant le cours Premiers pas avec Looker, dans lequel vous apprendrez à analyser, visualiser et organiser des données à l'aide de Looker Studio et Looker.

En savoir plus

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.

En savoir plus

Suivez les cours Introduction to Generative AI, Introduction to Large Language Models et Introduction to Responsible AI, et obtenez un badge de compétence. Votre réussite au quiz final démontrera que vous comprenez les concepts de base relatifs à l'IA générative. Un badge de compétence est un badge numérique délivré par Google Cloud. Il atteste de votre expertise sur les produits et services Google Cloud. Partagez votre badge de compétence en rendant votre profil public et en l'ajoutant à votre profil sur les réseaux sociaux.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

Intégrer le machine learning à des pipelines de données renforce la capacité à dégager des insights des données. Ce cours passera en revue plusieurs façons d'intégrer le machine learning à des pipelines de données sur Google Cloud. Vous découvrirez AutoML pour les cas ne nécessitant que peu de personnalisation (voire aucune), ainsi que Notebooks et BigQuery ML pour les situations qui requièrent des capacités de machine learning plus adaptées. Enfin, vous apprendrez à utiliser des solutions de machine learning en production avec Vertex AI.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus