Rejoindre Se connecter

Mettez en pratique vos compétences dans la console Google Cloud

Ratna Kumar Annavarapu

Date d'abonnement : 2023

Ligue de bronze

1230 points
Introduction à Vertex AI Studio Earned août 15, 2023 EDT
Créer des modèles de création de légendes pour les images Earned août 14, 2023 EDT
Modèles Transformer et modèle BERT Earned août 14, 2023 EDT
Mécanisme d'attention Earned août 14, 2023 EDT
Architecture encodeur/décodeur Earned août 14, 2023 EDT
Introduction à la génération d'images Earned août 14, 2023 EDT
Generative AI Fundamentals - Français Earned août 14, 2023 EDT
Introduction à l'IA responsable Earned août 14, 2023 EDT
Créer un réseau Google Cloud sécurisé Earned août 11, 2023 EDT
Journalisation et surveillance dans Google Cloud Earned août 8, 2023 EDT
Mitigating Security Vulnerabilities on Google Cloud - Français Earned août 8, 2023 EDT
Security Best Practices in Google Cloud - Français Earned août 6, 2023 EDT
Managing Security in Google Cloud - Français Earned juil. 19, 2023 EDT
Networking in Google Cloud: Routing and Addressing - Français Earned juil. 13, 2023 EDT
Networking in Google Cloud: Fundamentals - Français Earned juil. 3, 2023 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base Earned juin 26, 2023 EDT
How Google Does Machine Learning - Français Earned juin 22, 2023 EDT
Présentation des grands modèles de langage Earned juin 12, 2023 EDT
Présentation de l'IA générative Earned juin 12, 2023 EDT

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

En savoir plus

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.

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

Obtenez un badge de compétence en suivant le cours Créer un réseau Google Cloud sécurisé, dans lequel vous découvrirez plusieurs ressources liées à la mise en réseau permettant de créer, de faire évoluer et de sécuriser vos applications sur Google Cloud.

En savoir plus

Ce cours présente aux participants des techniques pour surveiller et améliorer les performances de l'infrastructure et des applications dans Google Cloud. À travers un ensemble de présentations, de démonstrations, d'ateliers pratiques et d'études de cas concrets, les participants se familiariseront avec la surveillance full stack, la gestion et l'analyse des journaux en temps réel, le débogage de code en production, le traçage des goulots d'étranglement affectant les performances des applications, et le profilage de l'utilisation du processeur et de la mémoire.

En savoir plus

Dans ce cours en auto-formation, les participants étudient des solutions d'atténuation des attaques pouvant survenir en de nombreux points d'une infrastructure basée sur Google Cloud, telles que des attaques par déni de service distribué (DDoS) ou par hameçonnage, ou des menaces liées à la classification et à l'utilisation de contenu. Ils découvriront également Security Command Center, Cloud Logging et les journaux d'audit, ainsi que l'utilisation de Forseti pour connaître l'état de conformité global avec les stratégies de sécurité de l'organisation.

En savoir plus

Ce cours en auto-formation présente une étude approfondie des contrôles et techniques de sécurité sur Google Cloud. À travers des présentations, des démonstrations et des ateliers pratiques, les participants découvrent et déploient les composants d'une solution Google Cloud sécurisée, y compris les technologies de contrôle des accès à Cloud Storage, les clés de sécurité, les clés de chiffrement fournies par le client, les contrôles d'accès aux API, les champs d'application, les VM protégées, le chiffrement, et les URL signées. Le cours aborde également la sécurisation des environnements Kubernetes.

En savoir plus

Ce cours en auto-formation présente une étude approfondie des contrôles et techniques de sécurité sur Google Cloud. À travers des présentations enregistrées, des démonstrations et des ateliers pratiques, les participants explorent et déploient les composants d'une solution Google Cloud sécurisée (Cloud Identity, Resource Manager, Cloud IAM, les pare-feu de cloud privé virtuel, Cloud Load Balancing, l'appairage cloud, Cloud Interconnect et VPC Service Controls, par exemple). Ceci est le premier cours de la série "Security in Google Cloud". Après l'avoir terminé, inscrivez-vous au cours "Security Best Practices in Google Cloud".

En savoir plus

Bienvenue dans le deuxième cours de la série "Networking in Google Cloud", intitulé "Routing and Addressing". Dans ce cours, nous allons nous intéresser aux concepts centraux du routage et de l'adressage dans le contexte des fonctionnalités réseau de Google Cloud. Dans le module 1, nous poserons les bases en explorant le routage et l'adressage réseau dans Google Cloud. Nous verrons des composants clés tels que le routage IPv4, l'utilisation de vos propres adresses IP (BYOIP, Bring Your Own IP) et la configuration de Cloud DNS. Dans le module 2, nous nous concentrerons sur les options de connexion privée. Nous explorerons des cas d'utilisation et des méthodes permettant d'accéder à Google et à d'autres services de façon privée à l'aide d'adresses IP internes. À la fin de ce cours, vous aurez compris comment acheminer et gérer efficacement votre trafic réseau dans Google Cloud.

En savoir plus

"Networking in Google Cloud" est une série de cours en six parties. Bienvenue dans la première des six parties de notre série de cours "Networking in Google Cloud: Fundamentals".  Ce cours fournit une présentation complète des concepts fondamentaux de la mise en réseau, y compris les principes de base de la mise en réseau, les cloud privés virtuels (VPC) et le partage des réseaux VPC. Il traite également des techniques de journalisation et de surveillance des réseaux. 

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

Quelles sont les bonnes pratiques pour implémenter le machine learning sur Google Cloud ? En quoi consiste la plate-forme Vertex AI et comment pouvez-vous l'utiliser pour créer, entraîner et déployer rapidement des modèles de machine learning AutoML sans écrire une seule ligne de code ? Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ? Google aborde le machine learning d'une façon particulière, qui consiste à fournir une plate-forme unifiée pour les ensembles de données gérés, ainsi qu'un magasin de caractéristiques et un moyen de créer, d'entraîner et de déployer des modèles de machine learning sans écrire une seule ligne de code. Il s'agit également de permettre aux utilisateurs d'étiqueter les données et de créer des notebooks Workbench à l'aide de frameworks tels que TensorFlow, Scikit Learn, Pytorch et R. Avec notre plate-forme Vertex AI, il est également possible d'entraîner des modèles personnalisés, de créer des pipelines de composants, …

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

Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA générative, décrit à quoi elle sert et souligne ce qui la distingue des méthodes de machine learning traditionnel. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.

En savoir plus