Traitement des données sans serveur avec Dataflow : principes de base
Earned avr. 11, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned avr. 10, 2024 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned avr. 9, 2024 EDT
Moderniser des lacs de données et des entrepôts de données avec Google Cloud
Earned avr. 6, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned avr. 4, 2024 EDT
Se préparer à devenir Professional Data Engineer
Earned avr. 3, 2024 EDT
Natural Language Processing on Google Cloud
Earned mars 31, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned mars 27, 2024 EDT
Systèmes de machine learning de production
Earned mars 13, 2024 EDT
Premiers pas avec Google Kubernetes Engine
Earned mars 6, 2024 EST
Machine learning au sein de l'entreprise
Earned mars 2, 2024 EST
Ingénierie des caractéristiques
Earned fév. 28, 2024 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned fév. 26, 2024 EST
Introduction à Vertex AI Studio
Earned fév. 13, 2024 EST
Créer des modèles de création de légendes pour les images
Earned fév. 13, 2024 EST
Modèles Transformer et modèle BERT
Earned fév. 13, 2024 EST
Architecture encodeur/décodeur
Earned fév. 13, 2024 EST
Mécanisme d'attention
Earned fév. 13, 2024 EST
Introduction à la génération d'images
Earned fév. 13, 2024 EST
Explorateur de l'IA générative – Vertex AI
Earned fév. 12, 2024 EST
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 10, 2024 EST
Machine Learning Operations (MLOps) pour l'IA générative
Earned fév. 9, 2024 EST
Launching into Machine Learning - Français
Earned jan. 29, 2024 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned jan. 24, 2024 EST
Gemini dans Google Meet
Earned jan. 18, 2024 EST
Gemini dans Google Sheets
Earned jan. 18, 2024 EST
Gemini dans Google Slides
Earned jan. 18, 2024 EST
Gemini dans Google Docs
Earned jan. 18, 2024 EST
Gemini dans Gmail
Earned jan. 18, 2024 EST
Introduction à Gemini pour Google Workspace
Earned jan. 18, 2024 EST
IA responsable : appliquer les principes concernant l'IA avec Google Cloud
Earned jan. 18, 2024 EST
Generative AI Fundamentals - Français
Earned jan. 17, 2024 EST
Introduction à l'IA responsable
Earned jan. 17, 2024 EST
Présentation des grands modèles de langage
Earned jan. 17, 2024 EST
Présentation de l'IA générative
Earned jan. 17, 2024 EST
Le cours Google Cloud Computing Foundations est destiné aux personnes qui ont peu
de connaissances ou d’expérience en cloud computing, voire pas du tout. Il présente
de façon détaillée différents concepts (principes de base du cloud, big data et machine learning)
et explique dans quels cas utiliser Google Cloud et pourquoi.
Au terme de ce cours, les participants sauront expliquer les concepts associés au cloud computing, au big data
et au machine learning, et ils auront acquis certaines compétences pratiques.
Ce cours fait partie d'une série de cours intitulée Google Cloud Computing Foundations.
Les cours doivent être suivis dans l'ordre suivant :
Google Cloud Computing Foundations: Cloud Computing Fundamentals - Locales
Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales
Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud -…
En savoir plus
The Google Cloud Computing Foundations courses are for individuals with little to no background or experience in cloud computing. They provide an overview of concepts central to cloud basics, big data, and machine learning, and where and how Google Cloud fits in.
By the end of the series of courses, learners will be able to articulate these concepts and demonstrate some hands-on skills.
The courses should be completed in the following order:
1. Google Cloud Computing Foundations: Cloud Computing Fundamentals
2. Google Cloud Computing Foundations: Infrastructure in Google Cloud
3. Google Cloud Computing Foundations: Networking and Security in Google Cloud
4. Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud
This final course in the series reviews managed big data services, machine learning and its value, and how to demonstrate your skill set in Google Cloud further by earning Skill Badges.
En savoir plus
Le cours Google Cloud Computing Foundations est destiné aux personnes qui ont peu
de connaissances ou d’expérience en cloud computing, voire pas du tout. Il présente
de façon détaillée différents concepts (principes de base du cloud, big data et machine learning)
et explique dans quels cas utiliser Google Cloud et pourquoi.
Au terme de ce cours, les participants sauront expliquer les concepts associés au cloud computing, au big data
et au machine learning, et ils auront acquis certaines compétences pratiques.
Ce cours fait partie d'une série de cours intitulée Google Cloud Computing Foundations.
Les cours doivent être suivis dans l'ordre suivant :
Google Cloud Computing Foundations: Cloud Computing Fundamentals - Locales
Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales
Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud -…
En savoir plus
Le cours Google Cloud Computing Foundations est destiné aux personnes qui ont peu
de connaissances ou d’expérience en cloud computing, voire pas du tout. Il présente
de façon détaillée différents concepts (principes de base du cloud, big data et machine learning)
et explique dans quels cas utiliser Google Cloud et pourquoi.
Au terme de ce cours, les participants sauront expliquer les concepts associés au cloud computing, au big data
et au machine learning, et ils auront acquis certaines compétences pratiques.
Ce cours fait partie d'une série de cours intitulée Google Cloud Computing Foundations.
Les cours doivent être suivis dans l'ordre suivant :
Google Cloud Computing Foundations: Cloud Computing Fundamentals - Locales
Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales
Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud…
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
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
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
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".
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
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
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
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
Ce cours présente une approche pratique du workflow de ML avec une étude de cas dans laquelle une équipe est confrontée à plusieurs exigences métier et cas d'utilisation de ML. Cette équipe doit comprendre quels outils sont nécessaires pour gérer et gouverner les données, et trouver la meilleure approche pour les prétraiter.
On présente à cette équipe trois options de création de modèles de ML pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe tire parti des avantages d'AutoML, de BigQuery ML ou de l'entraînement personnalisé pour atteindre ses objectifs.
En savoir plus
Ce cours présente les avantages liés à l'utilisation de Vertex AI Feature Store, ainsi que la manière d'améliorer la précision des modèles de ML et de déterminer les colonnes de données présentant les caractéristiques les plus utiles. Ce cours inclut également du contenu et des ateliers portant sur l'ingénierie des caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow.
En savoir plus
Ce cours porte sur la création de modèles de ML à l'aide de TensorFlow et Keras, l'amélioration de la précision des modèles de ML et l'écriture de modèles de ML pour une utilisation évolutive.
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
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
Le cours "Explorateur de l'IA générative – Vertex AI" est un ensemble d'ateliers consacrés à l'utilisation de l'IA générative sur Google Cloud. Vous apprendrez à utiliser les modèles de la famille d'API PaLM Vertex AI comme text-bison, chat-bison, et textembedding-gecko. Vous découvrirez également comment rédiger des prompts, quelles bonnes pratiques appliquer, et comment utiliser l'IA générative pour l'idéation, la classification et l'extraction de texte, la création de synthèses, et plus encore. Enfin, vous apprendrez à régler un modèle de fondation à l'aide de l'entraînement personnalisé Vertex AI et à le déployer sur un point de terminaison Vertex AI.
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
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.
En savoir plus
Le cours commence par une discussion sur les données : vous découvrirez comment améliorer leur qualité et effectuer des analyses exploratoires. Ensuite, nous vous présenterons Vertex AI AutoML et vous expliquerons comment créer, entraîner et déployer un modèle de machine learning (ML) sans écrire une ligne de code. Vous découvrirez également les avantages de BigQuery ML. Enfin, nous verrons comment optimiser un modèle de ML, et en quoi la généralisation ainsi que l'échantillonnage peuvent vous aider à évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.
En savoir plus
Ce cours présente les solutions d'IA et de machine learning (ML) de Google Cloud permettant de développer des projets d'IA prédictive et générative. Il décrit les technologies, produits et outils disponibles tout au long du cycle de vie des données à l'IA, en englobant les éléments de base, le développement et les solutions d'IA. Son but est d'aider les data scientists, les développeurs d'IA et les ingénieurs en ML à améliorer leurs compétences et connaissances par le biais d'expériences d'apprentissage captivantes et d'exercices pratiques.
En savoir plus
Gemini pour Google Workspace est un module complémentaire qui permet aux utilisateurs d'accéder à des fonctionnalités d'IA générative. Ce cours explore les fonctionnalités de Gemini dans Google Meet. Au moyen de vidéos pédagogiques, d'activités pratiques et d'exemples concrets, vous allez découvrir les fonctionnalités de Gemini dans Google Meet. Vous allez apprendre à utiliser Gemini pour générer des images d'arrière-plan, améliorer la qualité de la vidéo et traduire des sous-titres. À la fin de ce cours, vous disposerez des connaissances et des compétences nécessaires pour utiliser Gemini en toute confiance dans Google Meet afin d'optimiser l'efficacité de vos visioconférences.
En savoir plus
Gemini pour Google Workspace est un module complémentaire qui fournit aux clients des fonctionnalités d'IA générative dans Google Workspace. Dans ce petit cours, vous allez découvrir les principales fonctionnalités de Gemini et comment elles peuvent servir à améliorer la productivité et l'efficacité dans Google Sheets.
En savoir plus
Gemini pour Google Workspace est un module complémentaire qui fournit aux clients des fonctionnalités d'IA générative dans Google Workspace. Dans ce petit cours, vous allez découvrir les principales fonctionnalités de Gemini et comment elles peuvent servir à améliorer la productivité et l'efficacité dans Google Slides.
En savoir plus
Gemini pour Google Workspace est un module complémentaire qui permet aux utilisateurs d'accéder à des fonctionnalités d'IA générative. Ce cours explore les fonctionnalités de Gemini dans Google Docs au moyen de vidéos pédagogiques, d'activités pratiques et d'exemples concrets. Vous allez apprendre à utiliser Gemini pour générer des contenus écrits basés sur des requêtes. Vous allez également découvrir comment l'utiliser pour modifier du texte que vous avez déjà rédigé, vous aidant ainsi à améliorer votre productivité globale. À la fin de ce cours, vous disposerez des connaissances et des compétences nécessaires pour utiliser Gemini en toute confiance dans Google Docs afin d'améliorer vos écrits.
En savoir plus
Gemini pour Google Workspace est un module complémentaire qui fournit aux clients des fonctionnalités d'IA générative dans Google Workspace. Dans ce petit cours, vous allez découvrir les principales fonctionnalités de Gemini et comment elles peuvent servir à améliorer la productivité et l'efficacité dans Gmail.
En savoir plus
Gemini pour Google Workspace est un module complémentaire qui fournit aux clients des fonctionnalités d'IA générative dans Google Workspace. Dans ce parcours de formation, vous allez découvrir les principales fonctionnalités de Gemini et comment elles peuvent servir à améliorer la productivité et l'efficacité dans Google Workspace.
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
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
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.
[DEPRECATED] - Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales
Earned déc. 12, 2024 EST
Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud
Earned avr. 17, 2024 EDT
[DEPRECATED] Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales
Earned avr. 15, 2024 EDT
[DEPRECATED]-Google Cloud Computing Foundations: Cloud Computing Fundamentals - Français
Earned avr. 12, 2024 EDT
Traitement des données sans serveur avec Dataflow : principes de base
Earned avr. 11, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Français
Earned avr. 10, 2024 EDT
Créer des pipelines de données en batch sur Google Cloud
Earned avr. 9, 2024 EDT
Moderniser des lacs de données et des entrepôts de données avec Google Cloud
Earned avr. 6, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned avr. 4, 2024 EDT
Se préparer à devenir Professional Data Engineer
Earned avr. 3, 2024 EDT
Natural Language Processing on Google Cloud
Earned mars 31, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned mars 27, 2024 EDT
Systèmes de machine learning de production
Earned mars 13, 2024 EDT
Premiers pas avec Google Kubernetes Engine
Earned mars 6, 2024 EST
Machine learning au sein de l'entreprise
Earned mars 2, 2024 EST
Ingénierie des caractéristiques
Earned fév. 28, 2024 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned fév. 26, 2024 EST
Introduction à Vertex AI Studio
Earned fév. 13, 2024 EST
Créer des modèles de création de légendes pour les images
Earned fév. 13, 2024 EST
Modèles Transformer et modèle BERT
Earned fév. 13, 2024 EST
Architecture encodeur/décodeur
Earned fév. 13, 2024 EST
Mécanisme d'attention
Earned fév. 13, 2024 EST
Introduction à la génération d'images
Earned fév. 13, 2024 EST
Explorateur de l'IA générative – Vertex AI
Earned fév. 12, 2024 EST
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 10, 2024 EST
Machine Learning Operations (MLOps) pour l'IA générative
Earned fév. 9, 2024 EST
Launching into Machine Learning - Français
Earned jan. 29, 2024 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned jan. 24, 2024 EST
Gemini dans Google Meet
Earned jan. 18, 2024 EST
Gemini dans Google Sheets
Earned jan. 18, 2024 EST
Gemini dans Google Slides
Earned jan. 18, 2024 EST
Gemini dans Google Docs
Earned jan. 18, 2024 EST
Gemini dans Gmail
Earned jan. 18, 2024 EST
Introduction à Gemini pour Google Workspace
Earned jan. 18, 2024 EST
IA responsable : appliquer les principes concernant l'IA avec Google Cloud
Earned jan. 18, 2024 EST
Generative AI Fundamentals - Français
Earned jan. 17, 2024 EST
Introduction à l'IA responsable
Earned jan. 17, 2024 EST
Présentation des grands modèles de langage
Earned jan. 17, 2024 EST
Présentation de l'IA générative
Earned jan. 17, 2024 EST