We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
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
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 intermédiaire Implémenter la recherche vectorielle multimodale avec BigQuery pour recevoir un badge démontrant vos compétences dans les domaines suivants : utiliser Gemini dans BigQuery pour générer et déboguer des requêtes SQL, effectuer une analyse des sentiments, résumer du texte et identifier des mots clés, générer des embeddings, créer un pipeline de RAG (génération augmentée par récupération), et implémenter la recherche vectorielle multimodale.
En savoir plus
Ce cours présente une solution de génération augmentée par récupération (RAG) dans BigQuery permettant de réduire les hallucinations de l'IA. Il décrit un workflow RAG qui couvre la création d'embeddings, la recherche dans un espace vectoriel et la génération de réponses améliorées. Il explique aussi les raisons conceptuelles derrière ces étapes et leur implémentation pratique avec BigQuery. À la fin du cours, les participants seront à même de créer un pipeline de RAG à l'aide de BigQuery et de modèles d'IA générative tels que Gemini, ainsi que des modèles d'embeddings pour traiter leurs propres cas d'hallucinations de l'IA.
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
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
Optimiser le comportement des agents
Earned mars 19, 2026 EDT
Créer votre premier agent avec Agent Development Kit (ADK)
Earned mars 11, 2026 EDT
Agents : principes de base
Earned mars 11, 2026 EDT
Implémenter la recherche vectorielle multimodale avec BigQuery
Earned mars 10, 2026 EDT
Créer des embeddings et utiliser la recherche vectorielle et le RAG avec BigQuery
Earned mars 10, 2026 EDT
Travailler avec des modèles Gemini dans BigQuery
Earned mars 9, 2026 EDT
Booster la productivité avec Gemini dans BigQuery
Earned mars 5, 2026 EST
Créer un entrepôt de données avec BigQuery
Earned jan. 30, 2026 EST