Mettez en pratique vos compétences dans la console Google Cloud
Aaron Gutierrez
Date d'abonnement : 2022
Ligue d'Argent
34960 points
Perform Predictive Data Analysis in BigQuery
Earned oct. 22, 2024 EDT
Build and Deploy a Generative AI solution using a RAG framework
Earned juin 17, 2024 EDT
Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned mai 2, 2024 EDT
Document AI: Building a Custom Document Extractor
Earned avr. 16, 2024 EDT
Créer et déployer des solutions de machine learning sur Vertex
Earned avr. 16, 2024 EDT
Data Warehousing for Partners: Data Warehouse Migration with BigQuery
Earned avr. 16, 2024 EDT
Recherche vectorielle et embeddings
Earned avr. 15, 2024 EDT
Traitement des données sans serveur avec Dataflow : opérations
Earned fév. 22, 2024 EST
Accelerate Your Creativity with Text-to-Image using Imagen
Earned fév. 11, 2024 EST
Introduction to CES and Conversational Agents
Earned jan. 10, 2024 EST
Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned jan. 10, 2024 EST
Building Gen AI Apps with Vertex AI: Prompting and Tuning
Earned jan. 10, 2024 EST
Search with AI Applications
Earned jan. 9, 2024 EST
Develop Advanced Enterprise Search and Conversation Applications
Earned jan. 9, 2024 EST
Generative AI Explorer : Vertex AI
Earned jan. 8, 2024 EST
Introduction à Vertex AI Studio
Earned jan. 8, 2024 EST
Créer des modèles de création de légendes pour les images
Earned jan. 8, 2024 EST
Modèles Transformer et modèle BERT
Earned jan. 8, 2024 EST
Architecture encodeur/décodeur
Earned jan. 8, 2024 EST
Mécanisme d'attention
Earned jan. 8, 2024 EST
Generative AI for Business Leaders
Earned jan. 8, 2024 EST
Text Prompt Engineering Techniques
Earned jan. 5, 2024 EST
Introduction à la génération d'images
Earned août 22, 2023 EDT
IA responsable : appliquer les principes concernant l'IA avec Google Cloud
Earned août 22, 2023 EDT
Implementing Generative AI with Vertex AI
Earned août 22, 2023 EDT
Generative AI Fundamentals
Earned août 22, 2023 EDT
Introduction à l'IA responsable
Earned août 22, 2023 EDT
Présentation des grands modèles de langage
Earned août 21, 2023 EDT
Présentation de l'IA générative
Earned août 21, 2023 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 7, 2023 EST
Recommendation Systems on Google Cloud
Earned fév. 6, 2023 EST
Natural Language Processing on Google Cloud
Earned fév. 3, 2023 EST
Computer Vision Fundamentals with Google Cloud
Earned fév. 3, 2023 EST
Systèmes de machine learning de production
Earned fév. 1, 2023 EST
How Google Does Machine Learning - Français
Earned jan. 23, 2023 EST
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned août 16, 2022 EDT
Concevoir des systèmes d'analyse de flux résilients sur Google Cloud
Earned juil. 29, 2022 EDT
Traitement des données sans serveur avec Dataflow : développer des pipelines
Earned juil. 27, 2022 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned juil. 22, 2022 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned juil. 22, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned juil. 21, 2022 EDT
Se préparer à devenir Professional Data Engineer
Earned juil. 20, 2022 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juil. 19, 2022 EDT
Implémenter l'équilibrage de charge sur Compute Engine
Earned juil. 15, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned juil. 12, 2022 EDT
Moderniser des lacs de données et des entrepôts de données avec Google Cloud
Earned juil. 11, 2022 EDT
Complete the intermediate Perform Predictive Data Analysis in BigQuery skill badge course to demonstrate skills in the following: creating datasets in BigQuery by importing CSV and JSON files; harnessing the power of BigQuery with sophisticated SQL analytical concepts, including using BigQuery ML to train an expected goals model on soccer event data and evaluate the impressiveness of World Cup goals.
En savoir plus
Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.
En savoir plus
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
En savoir plus
This workload aims to upskill Google Cloud partners to perform specific tasks associated with building a Custom Doc Extractor using the Google Cloud AI solution. The following will be addressed:
Service: Document AI
Task: Extract fields
Processors: Custom Document Extractor and Document Splitter
Prediction: Using Endpoint to programmatically extract fields
En savoir plus
Obtenez un badge de compétence en terminant le cours intermédiaire Créer et déployer des solutions de machine learning sur Vertex. Vous y apprendrez à utiliser la plate-forme Vertex AI de Google Cloud, AutoML et les services d'entraînement personnalisés pour entraîner, évaluer, régler, expliquer et déployer des modèles de machine learning. Ce cours, qui ouvre droit à un badge de compétence, est destiné aux data scientists et aux ingénieurs en machine learning. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
En savoir plus
In this course, you will receive technical training for Enterprise Data Warehouses solutions using BigQuery based on the best practices developed internally by Google’s technical sales and services organizations. The course will also provide guidance and training on key technical challenges that can arise when migrating existing Enterprise Data Warehouses and ETL pipelines to Google Cloud. You will get hands-on experience with real migration tasks, such as data migration, schema optimization, and SQL Query conversion and optimization. The course will also cover key aspects of ETL pipeline migration to Dataproc as well as using Pub/Sub, Dataflow, and Cloud Data Fusion, giving you hands-on experience using all of these tools for Data Warehouse ETL pipelines.
En savoir plus
Avec ce cours, explorez les technologies de recherche, les outils et les applications optimisés par l'IA. Découvrez la recherche sémantique, qui utilise les embeddings vectoriels (ou "plongements vectoriels"), la recherche hybride, qui combine les approches sémantique et par mots-clés, et la génération augmentée par récupération (RAG), qui réduit les hallucinations générées par l'IA en agissant comme un agent ancré. Enfin, acquérez une expérience pratique de Vertex AI Vector Search afin de créer votre moteur de recherche intelligent.
En savoir plus
Dans le dernier volet de la série de cours sur Dataflow, nous allons présenter les composants du modèle opérationnel de Dataflow. Nous examinerons les outils et techniques permettant de résoudre les problèmes et d'optimiser les performances des pipelines. Nous passerons ensuite en revue les bonnes pratiques en matière de test, de déploiement et de fiabilité pour les pipelines Dataflow. Nous terminerons par une présentation des modèles, qui permettent de faire évoluer facilement les pipelines Dataflow pour les adapter aux organisations comptant des centaines d'utilisateurs. Ces leçons vous aideront à vous assurer que votre plate-forme de données est stable et résiliente face aux imprévus.
En savoir plus
Imagen provides a suite of generative AI tools to help you accelerate your creative workflows. This course provides you with demonstrations of all the key features currently found in Imagen.
En savoir plus
This course explores the different products and capabilities of Customer Engagement Suite (CES) and Conversational agents. Additionally, it covers the foundational principles of conversation design to craft engaging and effective experiences that emulate human-like experiences specific to the Chat channel.
En savoir plus
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
En savoir plus
(This course was previously named Multimodal Prompt Engineering with Gemini and PaLM) This course teaches how to use Vertex AI Studio, a Google Cloud console tool for rapidly prototyping and testing generative AI models. You learn to test sample prompts, design your own prompts, and customize foundation models to handle tasks that meet your application's needs. Whether you are looking for text, chat, code, image or speech generative experiences Vertex AI Studio offers you an interface to work with and APIs to integrate your production application.
En savoir plus
(Previously named "Developing apps with Vertex AI Agent Builder: Search". Please note there maybe instances in this course where previous product names and titles are used)
Enterprises of all sizes have trouble making their information readily accessible to employees and customers alike. Internal documentation is frequently scattered across wikis, file shares, and databases. Similarly, consumer-facing sites often offer a vast selection of products, services, and information, but customers are frustrated by ineffective site search and navigation capabilities.
This course teaches you to use AI Applications to integrate enterprise-grade generative AI search.
En savoir plus
In this course, you'll use text embeddings for tasks like classification, outlier detection, text clustering and semantic search. You'll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) solutions, such as for question-answering systems, using Google Cloud's Vertex AI and Google Cloud databases.
En savoir plus
This content is deprecated. Please see the latest version of the course, here.
En savoir plus
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 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 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
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
En savoir plus
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
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
Avec l'essor de l'utilisation de l'intelligence artificielle et du machine learning en entreprise, il est de plus en plus important de développer ces technologies de manière responsable. Pour beaucoup, le véritable défi réside dans la mise en pratique de l'IA responsable, qui s'avère bien plus complexe que dans la théorie. Si vous souhaitez découvrir comment opérationnaliser l'IA responsable dans votre organisation, ce cours est fait pour vous.
Dans ce cours, vous allez apprendre comment Google Cloud procède actuellement, en s'appuyant sur des bonnes pratiques et les enseignements tirés, afin de vous fournir un framework pour élaborer votre propre approche d'IA responsable.
En savoir plus
This course will help ML Engineers, Developers, and Data Scientists implement Large Language Models for Generative AI use cases with Vertex AI. The first two modules of this course contain links to videos and prerequisite course materials that will build your knowledge foundation in Generative AI. Please do not skip these modules. The advanced modules in this course assume you have completed these earlier modules.
En savoir plus
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI.
A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
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
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
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production. Les ingénieurs en machine learning utilisent des outils pour améliorer et évaluer en permanence les modèles déployés. Ils collaborent avec des data scientists (ou peuvent occuper ce poste) qui développent des modèles permettant de déployer de manière rapide et rigoureuse les solutions de machine learning les plus performantes.
En savoir plus
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
En savoir plus
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
En savoir plus
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
En savoir plus
Dans ce cours, nous abordons en détail les composants et les bonnes pratiques de construction de systèmes de ML hautes performances dans des environnements de production. Nous verrons aussi certaines des considérations les plus courantes concernant la construction de ces systèmes, telles que l'entraînement statique, l'entraînement dynamique, l'inférence statique, l'inférence dynamique, les tâches TensorFlow distribuées et les TPU. Ce cours a pour objectif d'explorer les caractéristiques d'un bon système de ML, au-delà de sa capacité à effectuer des prédictions correctes.
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
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
Le traitement de flux de données est une pratique de plus en plus courante, car elle permet aux entreprises d'obtenir des métriques sur leurs activités commerciales en temps réel. Ce cours explique comment créer des pipelines de flux de données sur Google Cloud et présente Pub/Sub, une solution qui permet de gérer des données de flux entrants. Par ailleurs, vous verrez comment appliquer des agrégations et des transformations à des flux de données à l'aide de Dataflow, mais aussi comment stocker des enregistrements traités dans BigQuery ou Bigtable pour qu'ils puissent être analysés. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de flux de données sur Google Cloud à l'aide de Qwiklabs.
En savoir plus
Dans ce deuxième volet de la série de cours sur Dataflow, nous allons nous intéresser de plus près au développement de pipelines à l'aide du SDK Beam. Nous allons commencer par passer en revue les concepts d'Apache Beam. Nous allons ensuite parler du traitement des données par flux à l'aide de fenêtres, de filigranes et de déclencheurs. Nous passerons ensuite aux options de sources et de récepteurs dans vos pipelines, aux schémas pour présenter vos données structurées, et nous verrons comment effectuer des transformations avec état à l'aide des API State et Timer. Nous aborderons ensuite les bonnes pratiques qui vous aideront à maximiser les performances de vos pipelines. Vers la fin du cours, nous présentons le langage SQL et les DataFrames pour représenter votre logique métier dans Beam, et nous expliquons comment développer des pipelines de manière itérative à l'aide des notebooks Beam.
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
Les pipelines de données s'inscrivent généralement dans l'un des paradigmes EL (extraction et chargement), ELT (extraction, chargement et transformation) ou ETL (extraction, transformation et chargement). Ce cours indique quel paradigme utiliser pour le traitement de données par lot en fonction du contexte. Il présente également plusieurs technologies Google Cloud de transformation des données, y compris BigQuery, l'exécution de Spark sur Dataproc, les graphiques de pipelines dans Cloud Data Fusion et le traitement des données sans serveur avec Dataflow. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de données sur Google Cloud à l'aide de Qwiklabs.
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
Ce cours a pour objectif d'aider les participants à créer un plan de formation pour l'examen de certification Professional Data Engineer. Les participants découvriront l'étendue et le champ d'application des domaines abordés lors de l'examen, puis évalueront leur niveau de préparation à l'examen et créeront leur propre plan de formation.
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 Dataproc, 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 d'introduction Implémenter l'équilibrage de charge sur Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'écriture de commandes gcloud et l'utilisation de Cloud Shell, la création et le déploiement de machines virtuelles dans Compute Engine, ainsi que la configuration d'équilibreurs de charge réseau et HTTP. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud, et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
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
Les lacs de données et les entrepôts de données sont les deux principaux composants des pipelines de données. Ce cours présente des cas d'utilisation de chaque type de stockage, ainsi que les détails techniques des solutions de lacs et d'entrepôts de données disponibles sur Google Cloud. Il décrit également le rôle des ingénieurs de données et les avantages d'un pipeline de données réussi sur les opérations commerciales, avant d'expliquer pourquoi il est important de procéder à l'ingénierie des données dans un environnement cloud. Il s'agit du premier cours de la série "Ingénierie des données sur Google Cloud". Après l'avoir terminé, inscrivez-vous au cours "Créer des pipelines de données en batch sur Google Cloud".
Perform Predictive Data Analysis in BigQuery
Earned oct. 22, 2024 EDT
Build and Deploy a Generative AI solution using a RAG framework
Earned juin 17, 2024 EDT
Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned mai 2, 2024 EDT
Document AI: Building a Custom Document Extractor
Earned avr. 16, 2024 EDT
Créer et déployer des solutions de machine learning sur Vertex
Earned avr. 16, 2024 EDT
Data Warehousing for Partners: Data Warehouse Migration with BigQuery
Earned avr. 16, 2024 EDT
Recherche vectorielle et embeddings
Earned avr. 15, 2024 EDT
Traitement des données sans serveur avec Dataflow : opérations
Earned fév. 22, 2024 EST
Accelerate Your Creativity with Text-to-Image using Imagen
Earned fév. 11, 2024 EST
Introduction to CES and Conversational Agents
Earned jan. 10, 2024 EST
Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned jan. 10, 2024 EST
Building Gen AI Apps with Vertex AI: Prompting and Tuning
Earned jan. 10, 2024 EST
Search with AI Applications
Earned jan. 9, 2024 EST
Develop Advanced Enterprise Search and Conversation Applications
Earned jan. 9, 2024 EST
Generative AI Explorer : Vertex AI
Earned jan. 8, 2024 EST
Introduction à Vertex AI Studio
Earned jan. 8, 2024 EST
Créer des modèles de création de légendes pour les images
Earned jan. 8, 2024 EST
Modèles Transformer et modèle BERT
Earned jan. 8, 2024 EST
Architecture encodeur/décodeur
Earned jan. 8, 2024 EST
Mécanisme d'attention
Earned jan. 8, 2024 EST
Generative AI for Business Leaders
Earned jan. 8, 2024 EST
Text Prompt Engineering Techniques
Earned jan. 5, 2024 EST
Introduction à la génération d'images
Earned août 22, 2023 EDT
IA responsable : appliquer les principes concernant l'IA avec Google Cloud
Earned août 22, 2023 EDT
Implementing Generative AI with Vertex AI
Earned août 22, 2023 EDT
Generative AI Fundamentals
Earned août 22, 2023 EDT
Introduction à l'IA responsable
Earned août 22, 2023 EDT
Présentation des grands modèles de langage
Earned août 21, 2023 EDT
Présentation de l'IA générative
Earned août 21, 2023 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 7, 2023 EST
Recommendation Systems on Google Cloud
Earned fév. 6, 2023 EST
Natural Language Processing on Google Cloud
Earned fév. 3, 2023 EST
Computer Vision Fundamentals with Google Cloud
Earned fév. 3, 2023 EST
Systèmes de machine learning de production
Earned fév. 1, 2023 EST
How Google Does Machine Learning - Français
Earned jan. 23, 2023 EST
Ingénierie des données pour la modélisation prédictive avec BigQuery ML
Earned août 16, 2022 EDT
Concevoir des systèmes d'analyse de flux résilients sur Google Cloud
Earned juil. 29, 2022 EDT
Traitement des données sans serveur avec Dataflow : développer des pipelines
Earned juil. 27, 2022 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned juil. 22, 2022 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned juil. 22, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned juil. 21, 2022 EDT
Se préparer à devenir Professional Data Engineer
Earned juil. 20, 2022 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juil. 19, 2022 EDT
Implémenter l'équilibrage de charge sur Compute Engine
Earned juil. 15, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned juil. 12, 2022 EDT
Moderniser des lacs de données et des entrepôts de données avec Google Cloud
Earned juil. 11, 2022 EDT