We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Catarina Carneiro
Date d'abonnement : 2021
Ligue d'Or
37373 points
Upgrade to the Latest Gemini Models
Earned nov. 12, 2026 EST
Evaluate Agents on Gemini platform
Earned nov. 12, 2026 EST
Evaluate Generative and Agentic Systems
Earned nov. 11, 2026 EST
Craft ADK Agents with Persistent Memories
Earned nov. 5, 2026 EST
Build Enterprise Agents with Code Execution on Gemini platform
Earned nov. 5, 2026 EST
Build Agents with the Agent Development Kit
Earned nov. 5, 2026 EST
Evaluate and Improve Agent Development Kit Agents
Earned nov. 4, 2026 EST
Deploy an Agent with Agent Development Kit (ADK)
Earned nov. 4, 2026 EST
Accelerate Development with Antigravity
Earned nov. 2, 2026 EST
Build with the Managed Agents API on Gemini platform
Earned oct. 22, 2026 EDT
Accelerate Agent Development with Antigravity and Agents CLI
Earned oct. 21, 2026 EDT
Préparer les données à utiliser pour les tableaux de bord et rapports Looker
Earned fév. 23, 2026 EST
Référence : infrastructure
Earned fév. 20, 2026 EST
Travailler avec des modèles Gemini dans BigQuery
Earned mai 21, 2025 EDT
Booster la productivité avec Gemini dans BigQuery
Earned mai 20, 2025 EDT
Introduction à l'ingénierie des données sur Google Cloud
Earned mai 6, 2025 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned nov. 15, 2024 EST
Créer des pipelines de données en batch sur Google Cloud
Earned oct. 30, 2024 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned mai 9, 2022 EDT
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned mai 4, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned mai 3, 2022 EDT
Créer un guide d'étude pour une certification : préparation à l'examen ACE
Earned fév. 4, 2022 EST
Créer une infrastructure avec Terraform sur Google Cloud
Earned fév. 1, 2022 EST
Infrastructure Google Cloud fiable : conception et processus
Earned jan. 31, 2022 EST
Premiers pas avec Google Kubernetes Engine
Earned jan. 26, 2022 EST
Configurer un environnement de développement d'applications sur Google Cloud
Earned jan. 19, 2022 EST
Kubernetes dans Google Cloud
Earned déc. 14, 2021 EST
Développer votre réseau Google Cloud
Earned déc. 13, 2021 EST
Infrastructure Google Cloud flexible : scaling et automatisation
Earned déc. 13, 2021 EST
Implémenter Cloud Load Balancing pour Compute Engine
Earned nov. 29, 2021 EST
Infrastructure fondamentale Google Cloud : principes de base
Earned nov. 25, 2021 EST
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned nov. 25, 2021 EST
Google Cloud Fundamentals for AWS Professionals
Earned nov. 3, 2021 EDT
Infrastructure fondamentale Google Cloud : services principaux
Earned oct. 11, 2021 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned oct. 11, 2021 EDT
Créer des pipelines de flux de données sur Google Cloud
Earned oct. 10, 2021 EDT
Créer des lacs de données et des entrepôts de données sur Google Cloud
Earned oct. 6, 2021 EDT
In this course, you'll learn how to establish a rigorous upgrade regression testing pipeline, safely deploy models using A/B testing and/or shadow mode, and address legacy prompt technical debt. You'll also learn the latest about Gemini 3 parameters including thinking levels and thought signatures, as well as new capabilities like media resolution controls and streaming function calls.
En savoir plus
In this course, you learn to evaluate, diagnose, and optimize AI agents on the Gemini platform. You begin where most teams begin: the agent runs, but you have no eval cases, no test data, and no production traffic to grade it with. From there you follow the Quality Flywheel, the evaluate-analyze-optimize loop at the center of Gemini platform. You instrument the agent so it emits the telemetry Gemini platform reads, generate eval cases by simulation, choose the metrics that grade them, run offline evaluations, monitor live traffic and alert on quality drift, then cluster failures and optimize. A final module covers build-time evaluation with the Agent Development Kit (ADK) in Gemini platform, which runs on your machine before you deploy.
En savoir plus
Deploying reliable generative and agentic systems requires moving beyond traditional software testing and subjective assessments. Because these probabilistic systems introduce unique failure modes, technical teams need structured frameworks to measure quality, enforce guardrails, and tie model behavior directly to business outcomes.
Evaluate Generative and Agentic Systems gives engineers and architects practical tools to design, execute, and scale rigorous evaluation pipelines. You will master the full evaluation hierarchy, from fast deterministic checks to calibrated Large Language Model (LLM) autoraters and human-in-the-loop workflows. Learn how to simulate high-fidelity test datasets, trace multi-turn agent trajectories, and establish reliable consistency metrics across runs.
By the end of this course, you will be prepared to translate organizational Key Performance Indicators (KPIs) into actionable technical benchmarks, calibrate objective rubrics, and maintain a continuous quali…
En savoir plus
This course explores architecting stateful AI agents that use short-term memory within a session or long-term memory services. Additionally, it covers giving agents existing expertise through skills. It details the core pillars of context engineering to facilitate personalized, continuous conversational experiences with expert agents.
En savoir plus
In this course, you explore the Code Execution feature of the Gemini platform, which lets AI agents safely generate and run Python code in isolated sandbox environments. You learn how the Agent Sandbox fits into the broader platform architecture, how to configure and operate Code Execution sandboxes using the Agent Platform SDK, and how to integrate code execution into agent workflows with the Agent Development Kit (ADK) in Gemini platform.
En savoir plus
In this course, you'll learn to use the Agent Development Kit (ADK) in Gemini platform to build systems where multiple AI agents collaborate on complex tasks. You'll start with the ADK agent model: how ADK represents agents, tools, and runners, and how a single agent is configured and run. You'll then make tools the model can call, persist session state across agents, and instrument the execution lifecycle with callbacks and plugins. Next, you'll orchestrate multiple agents using ADK's template workflow agents and graph-based workflows, and ground them in enterprise data through multi-source retrieval and MCP integrations. Finally, you'll deploy a multi-agent system to Agent Runtime as a managed service and register and share it through Gemini so users across an organization can reach it.
En savoir plus
Complete the Evaluate and Improve Agent Development Kit Agents skill badge to demonstrate your ability to use ADK's evaluation tools to "hill climb" — making measurable, iterative improvements to an agent. You will run an initial evaluation to establish a baseline, apply optimization techniques, and re-evaluate the agent to measure your success.
En savoir plus
In this challenge lab, you will demonstrate your ability to author agents using Agent Development Kit (ADK), deploy those agents to Agent Engine, and use them from a web app. Complete the challenge lab to earn a Google Cloud skill badge.
En savoir plus
Complete the Accelerate Development with Antigravity skill badge to demonstrate your proficiency in using the Antigravity IDE for developing agentic workflows. You will be tasked with configuring an MCP server, authoring custom agent skills and rules, prototyping with the Agents CLI, and deploying to the Google Cloud Agent Runtime.
A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network.
When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
En savoir plus
In this course, you'll learn to build and run enterprise agents on the Managed Agents API, the managed agent runtime on Gemini platform. Three conceptual lessons give you the mental model. You'll learn why a real business task needs an agent rather than a chat model. You'll examine how the platform splits into a control plane that defines agents and a data plane that runs them. You'll learn how to assemble an agent from a definition, a sandboxed environment, mounted data, tools, and skills. Furthermore, you'll learn how to run it with background interactions, a streamed reason-act loop, resilient typed results, and state that persists across turns. You then put that model to work in a hands-on lab, where you build, run, and harden a retail merchandising agent for Cymbal Retail from an empty project to a production-shaped deployment. By the end, you'll be able to design, build, and operate a managed agent of your own.
En savoir plus
In this course, you’ll learn to simplify the creation of autonomous enterprise agents using the Agent Development Kit (ADK) in Gemini platform and you will learn how to leverage the power of Antigravity and the Agents CLI to transform your agent development workflow. In this course, you will explore practical techniques to automate repetitive tasks and significantly accelerate the creation of robust, enterprise-grade agents, ensuring scalability and efficiency in your AI projects.
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
Si vous êtes un développeur cloud débutant et recherchez des exercices pratiques plus poussés au-delà des bases de Google Cloud, ce cours est fait pour vous. Il vous permettra d'acquérir de l'expérience pratique grâce aux ateliers qui traitent en profondeur de Cloud Storage et d'autres services applicatifs clés tels que Monitoring et Cloud Functions. Vous développerez des compétences précieuses que vous pourrez utiliser dans tous vos projets Google Cloud.
En savoir plus
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.
En savoir plus
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.
En savoir plus
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.
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
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
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.
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
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
Découvrez comment utiliser Gemini Notebook afin de créer un guide d'étude personnalisé pour l'examen de certification Associate Cloud 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.
En savoir plus
Terminez le cours intermédiaire Créer une infrastructure avec Terraform sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : les principes d'Infrastructure as Code (IaC) avec Terraform, le provisionnement et la gestion des ressources Google Cloud avec des configurations Terraform, la gestion efficace des états (local et distant) et la modularisation du code Terraform à des fins de réutilisabilité et d'organisation.
En savoir plus
Ce cours permet aux participants d'apprendre à créer des solutions hautement fiables et efficaces sur Google Cloud en s'appuyant sur des modèles de conception éprouvés. Il s'inscrit dans la continuité des cours "Concevoir une architecture avec Google Compute Engine" et "Concevoir une architecture avec Google Kubernetes Engine" et demande une expérience pratique des technologies abordées dans chaque cours. À travers un ensemble de présentations, d'activités de conception et d'ateliers pratiques, les participants apprennent à définir des exigences techniques et commerciales, et à trouver un équilibre entre elles pour concevoir des déploiements Google Cloud hautement fiables et disponibles, sécurisés et économes.
En savoir plus
Bienvenue dans le cours "Premiers pas avec Google Kubernetes Engine". Si vous vous intéressez à Kubernetes, une couche logicielle située entre vos applications et votre infrastructure matérielle, vous êtes au bon endroit. Google Kubernetes Engine vous permet d'accéder à Kubernetes en tant que service géré sur Google Cloud.
L'objectif de ce cours est de vous présenter les principes de base de Google Kubernetes Engine (GKE), et de vous apprendre à conteneuriser et exécuter des applications dans Google Cloud. Le cours commence par une introduction aux principes de base de Google Cloud, puis se poursuit par une présentation des conteneurs et de Kubernetes, de l'architecture de Kubernetes et des opérations Kubernetes.
En savoir plus
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.
En savoir plus
Kubernetes est le système d'orchestration de conteneurs le plus populaire, et Google Kubernetes Engine a été conçu spécifiquement pour les déploiements gérés de Kubernetes dans Google Cloud. Dans ce cours de niveau avancé, vous allez suivre des ateliers pratiques pour apprendre à configurer les images et les conteneurs Docker, ainsi qu'à déployer des applications Kubernetes Engine opérationnelles. Vous allez également acquérir les compétences nécessaires pour intégrer l'orchestration de conteneurs à votre propre workflow. Vous cherchez un atelier challenge pratique pour démontrer vos compétences et valider vos connaissances ? Suivez cet atelier challenge complémentaire après avoir terminé ce cours et le cours Déployer des applications Kubernetes sur Google Cloud pour recevoir un badge numérique Google Cloud exclusif.
En savoir plus
Suivez le cours Développer votre réseau Google Cloud et obtenez un badge de compétence. Dans ce cours, vous avez appris plusieurs façons de déployer et de surveiller des applications. Pour cela, vous avez vu comment parcourir les rôles IAM et ajouter/supprimer l'accès au projet, créer des réseaux VPC, déployer et surveiller des VM Compute Engine, rédiger des requêtes SQL, déployer et surveiller des VM dans Compute Engine, mais aussi comment déployer des applications à l'aide de Kubernetes avec plusieurs approches de déploiement.
En savoir plus
Ce cours à la demande accéléré présente aux participants les services complets et flexibles d'infrastructure et de plate-forme offerts par Google Cloud. À travers un ensemble de cours vidéo, de démonstrations et d'ateliers pratiques, les participants explorent et déploient des éléments de solution, y compris l'interconnexion sécurisée de réseaux, l'équilibrage de charge, l'autoscaling, l'automatisation de l'infrastructure et les services gérés.
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
Ce cours accéléré à la demande présente aux participants les services complets et flexibles d'infrastructure et de plate-forme offerts par Google Cloud, en s'intéressant plus particulièrement à Compute Engine. À travers un ensemble de cours vidéo, de démonstrations et d'ateliers pratiques, les participants découvrent et déploient des éléments de solution, y compris des composants d'infrastructure tels que des réseaux, des machines virtuelles et des services d'applications. Vous découvrirez comment utiliser Google Cloud via la console et Cloud Shell. Vous en apprendrez également plus sur le rôle d'un architecte cloud, sur les approches de la conception d'infrastructure et sur la configuration de réseaux virtuels avec Virtual Private Cloud (VPC), les projets, les réseaux, les sous-réseaux, les adresses IP, les routes et les règles de pare-feu.
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
Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
En savoir plus
Ce cours accéléré à la demande présente aux participants l'infrastructure complète et flexible de Google Cloud Platform ainsi que les services de plate-forme fournis, en s'intéressant plus particulièrement à Compute Engine. À travers un ensemble de vidéos de présentation, de démonstrations et d'ateliers pratiques, les participants découvrent et déploient des éléments de solution, y compris des composants d'infrastructure tels que les réseaux, les systèmes et les services applicatifs. Ce cours aborde également le déploiement de solutions pratiques, telles que les clés de chiffrement fournies par le client, la gestion de la sécurité et des accès, les quotas et la facturation, ainsi que la surveillance des ressources.
En savoir plus
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
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
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
