Mettez en pratique vos compétences dans la console Google Cloud
Paolo Soleni
Date d'abonnement : 2022
Ligue de bronze
800 points
Introduction à Vertex AI Studio
Earned juil. 3, 2023 EDT
Créer des modèles de création de légendes pour les images
Earned juil. 1, 2023 EDT
Modèles Transformer et modèle BERT
Earned juin 29, 2023 EDT
Mécanisme d'attention
Earned juin 28, 2023 EDT
Architecture encodeur/décodeur
Earned juin 27, 2023 EDT
Introduction à la génération d'images
Earned juin 23, 2023 EDT
Generative AI Fundamentals - Français
Earned juin 21, 2023 EDT
Introduction à l'IA responsable
Earned juin 21, 2023 EDT
Présentation des grands modèles de langage
Earned juin 20, 2023 EDT
Présentation de l'IA générative
Earned juin 19, 2023 EDT
Systèmes de machine learning de production
Earned juin 17, 2023 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mai 4, 2023 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 16, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned jan. 12, 2023 EST
Implémenter l'équilibrage de charge sur Compute Engine
Earned déc. 30, 2022 EST
Google Cloud Computing Foundations: Cloud Computing Fundamentals - Français
Earned déc. 28, 2022 EST
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
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
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
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 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
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
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
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…
Introduction à Vertex AI Studio
Earned juil. 3, 2023 EDT
Créer des modèles de création de légendes pour les images
Earned juil. 1, 2023 EDT
Modèles Transformer et modèle BERT
Earned juin 29, 2023 EDT
Mécanisme d'attention
Earned juin 28, 2023 EDT
Architecture encodeur/décodeur
Earned juin 27, 2023 EDT
Introduction à la génération d'images
Earned juin 23, 2023 EDT
Generative AI Fundamentals - Français
Earned juin 21, 2023 EDT
Introduction à l'IA responsable
Earned juin 21, 2023 EDT
Présentation des grands modèles de langage
Earned juin 20, 2023 EDT
Présentation de l'IA générative
Earned juin 19, 2023 EDT
Systèmes de machine learning de production
Earned juin 17, 2023 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mai 4, 2023 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned fév. 16, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned jan. 12, 2023 EST
Implémenter l'équilibrage de charge sur Compute Engine
Earned déc. 30, 2022 EST
Google Cloud Computing Foundations: Cloud Computing Fundamentals - Français
Earned déc. 28, 2022 EST