Securing applications and streamlining delivery go hand in hand in modern cloud environments. In this trail, you’ll work with tools like Cloud KMS, Identity-Aware Proxy, and service accounts to manage access and protect resources. You’ll also explore private Kubernetes clusters, artifact management, and build CI/CD pipelines with Cloud Build—bringing together the essentials of cloud security and DevOps in practice.
As platforms grow, maintaining speed, reliability, and seamless user experiences becomes critical. Inspired by Bobble AI and its journey to support millions of real-time interactions, this challenge explores how cloud-native systems are designed for efficiency at scale. You’ll work with Docker and Kubernetes to run and orchestrate applications, while also using IAM, Cloud Storage, and Monitoring to manage access, data, and performance. The result: a clearer view of how the right mix of containers, automation, and observability keeps modern applications fast, resilient, and efficient.
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
Building and running applications on Google Cloud can take many forms—and this adventure brings them together. Get hands-on with App Engine, Cloud Run, Kubernetes Engine, and Compute Engine as you deploy applications, manage scaling, and explore modern architectures, including the shift from monolithic to microservices.
Working with data and applications requires the right balance of governance and agility. In this voyage, you’ll use Dataplex to organize, secure, and assess data quality while exploring concepts like data mesh. Alongside, you’ll get hands-on with Firebase—building serverless apps, working with Firestore, and managing data in real time—bringing together modern data management and application development.
Suivez le cours Configurer un réseau Google Cloud et obtenez un badge de compétence. Vous allez apprendre à effectuer des tâches élémentaires de gestion de réseaux sur Google Cloud Platform : créer un réseau personnalisé, ajouter des règles de pare-feu de sous-réseau, puis créer des VM et tester la latence lorsqu'elles communiquent entre elles.
A season to build, experiment, and grow—one skill at a time. You’ll start with the fundamentals of networking, creating the foundation that connects everything together. From there, you’ll step into automation and application development using Cloud Scheduler, App Engine, and machine learning APIs. By the end, you’ll have a more confident, hands-on understanding of how modern applications are built, connected, and run on the cloud.
Obtenez un badge de compétence avancé en suivant le cours Utiliser des API de machine learning sur Google Cloud, qui présente les fonctionnalités de base des technologies de machine learning et d'IA suivantes : l'API Cloud Vision, l'API Cloud Translation et l'API Cloud Natural Language.
Obtenez un badge de compétence débutant en suivant le cours Créer un site Web sur Google Cloud. Ce cours s'appuie sur la série Get Cooking in Cloud et aborde les thèmes suivants :Déployer un site Web sur Cloud RunHéberger une application Web sur Compute EngineCréer, déployer et faire évoluer votre site Web sur Google Kubernetes EngineMigrer d'une application monolithique vers une architecture de microservices à l'aide de Cloud Build
Exploitez tout le potentiel de l'IA générative pour créer des agents intelligents et automatisés. À la fin de ce cours, vous serez en mesure de développer un agent de datastore capable de répondre instantanément à des questions complexes en extrayant et en synthétisant automatiquement des informations à partir de vos sites Web, documents ou données structurées. Oubliez les FAQ statiques : votre nouvel agent fournit des réponses dynamiques et précises, et affiche même les URL des sources d'origine. Le tout avec une configuration simple et rapide.
Le matériel puissant qui se cache derrière l'IA vous intrigue ? Ce module décortique les ordinateurs à intelligence artificielle optimisés pour les performances et vous montre pourquoi ils sont si importants. Nous allons voir comment les CPU, les GPU et les TPU rendent les tâches d'IA extrêmement rapides, ce qui fait la spécificité de chacun, et comment les logiciels d'IA en tirent le meilleur parti. À la fin de ce module, vous saurez exactement comment sélectionner le GPU adapté à vos projets d'IA, ce qui vous permettra de faire des choix judicieux pour vos charges de travail d'IA.
Vous souhaitez utiliser AI Hypercomputer ? Ce cours est conçu pour vous aider à vous lancer. Nous aborderons les principes de base de cet outil et comment il aide l'IA dans ses charges de travail. Vous découvrirez les différents composants d'un hypercalculateur, tels que les GPU, les TPU et les CPU, et apprendrez à choisir la méthode de déploiement la mieux adaptée à vos besoins.
Cette vidéo explique comment éliminer la saisie de données manuelle et fastidieuse grâce à Gemini. Découvrez comment prendre une photo ou une capture d'écran de données (à partir de PDF, de documents papier ou d'images) et demander à Gemini de la convertir instantanément en une feuille de calcul Google Sheets structurée. Découvrez cette astuce simple pour éviter d'innombrables heures de transcription et faire de Gemini votre assistant personnel de saisie de données. Photographiez, promptez, exportez !
Cette vidéo présente les principes de base du prompt engineering pour une communication efficace avec l'IA. Découvrez un framework simple (Persona, Tâche, Contexte, Format) pour créer des prompts clairs et obtenir des résultats plus rapidement et de meilleure qualité avec Gemini dans Google Workspace. Découvrez comment utiliser le langage naturel, être précis et itérer pour obtenir une assistance optimale de l'IA.
This video covers five key ways to use Google's AI tools, including Gemini in Workspace, the Gemini app, and NotebookLM, to enhance your daily productivity.
This video covers how to use NotebookLM as a personal research assistant by adding sources, asking questions, and generating new content formats based on your documents.
Ce cours apporte aux professionnels du machine learning les techniques, les bonnes pratiques et les outils essentiels pour évaluer les modèles d'IA prédictive et générative. L'évaluation des modèles est primordiale pour s'assurer que les systèmes de ML fournissent des résultats fiables, précis et de haut niveau en production. Les participants acquerront une connaissance approfondie de diverses métriques et méthodologies d'évaluation, ainsi que de leur application appropriée dans différents types de modèles et tâches. Le cours mettra l'accent sur les défis uniques posés par les modèles d'IA générative et proposera des stratégies pour les relever efficacement. Grâce à la plate-forme Vertex AI de Google Cloud, les participants apprendront à implémenter des processus d'évaluation rigoureux pour la sélection, l'optimisation et la surveillance continue des modèles.
Dans ce cours, vous allez acquérir les connaissances et les outils nécessaires pour identifier les problématiques uniques auxquelles les équipes MLOps sont confrontées lors du déploiement et de la gestion de modèles d'IA générative. Vous verrez également en quoi Vertex AI permet aux équipes d'IA de simplifier les processus MLOps et de faire aboutir leurs projets d'IA générative.
Le cours IA générative : au-delà du chatbot est le premier du parcours de formation "Gen AI Leader" et n'a aucun prérequis. Il dépasse les principes de base des chatbots afin de présenter le véritable potentiel de l'IA générative pour votre organisation. Vous découvrirez des concepts tels que les modèles de fondation et le prompt engineering (ingénierie des requêtes), qui sont essentiels pour exploiter la puissance de l'IA générative. Ce cours vous aidera également à identifier les facteurs à prendre en compte pour développer une stratégie d'IA générative efficace pour votre entreprise.
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.