Developing Applications with Cloud Run Functions on Google Cloud
Earned août 29, 2024 EDT
Developing Containerized Applications on Google Cloud
Earned août 29, 2024 EDT
Developing Applications with Google Cloud: Foundations
Earned août 29, 2024 EDT
App Deployment, Debugging, and Performance - Français
Earned août 29, 2024 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned août 28, 2024 EDT
Service Orchestration and Choreography on Google Cloud
Earned août 28, 2024 EDT
Developing Applications with Cloud Run on Google Cloud: Fundamentals
Earned août 28, 2024 EDT
Intégrer des applications avec Gemini 1.0 Pro sur Google Cloud
Earned août 28, 2024 EDT
Déployer des applications Kubernetes sur Google Cloud
Earned août 27, 2024 EDT
Développer des applications sans serveur sur Cloud Run
Earned août 27, 2024 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned avr. 20, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned avr. 18, 2024 EDT
Créer et déployer des solutions de machine learning sur Vertex
Earned avr. 11, 2024 EDT
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned avr. 4, 2024 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned avr. 3, 2024 EDT
Recommendation Systems on Google Cloud
Earned avr. 2, 2024 EDT
Natural Language Processing on Google Cloud
Earned avr. 1, 2024 EDT
Systèmes de machine learning de production
Earned mars 30, 2024 EDT
Machine learning au sein de l'entreprise
Earned mars 28, 2024 EDT
Ingénierie des caractéristiques
Earned mars 26, 2024 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 24, 2024 EDT
Launching into Machine Learning - Français
Earned mars 20, 2024 EDT
Présentation de l'IA et du machine learning sur Google Cloud
Earned mars 7, 2024 EST
In this course, you learn about Cloud Run functions, Google's serverless, fully-managed functions as a service (FaaS) product that lets you implement single-purpose function code that reponds to HTTP requests and events from your cloud infrastructure.
En savoir plus
In this course, you learn about containers and how to build, and package container images. The content in this course includes best practices for creating and securing containers, and provides an introduction to Cloud Run and Google Kubernetes Engine for application developers.
En savoir plus
In this course, you learn the fundamentals of application development on Google Cloud. You learn best practices for cloud applications, and how to select compute and data options to match your application use cases. You're introduced to generative AI and how it's used to help build applications. You learn about authentication and authorization, application deployment, continuous integration and delivery, and monitoring and performance tuning for your applications running in Google Cloud. Using lectures and hands-on labs, you learn how to get started building and running applications on Google Cloud.
En savoir plus
Course Description:
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
This course introduces you to event-based applications and teaches you how to use service orchestration and choreography to coordinate microservices. Using lectures and hands-on labs, you learn how to use Workflows, Eventarc, Cloud Tasks, and Cloud Scheduler to build microservices applications on Google Cloud.
En savoir plus
This course introduces the Cloud Run serverless platform for running applications.
In this course, you learn about the fundamentals of Cloud Run, its resource model and the container lifecycle.
You learn about service identities, how to control access to services, and how to develop and test your
application locally before deploying it to Cloud Run. The course also teaches you how to integrate
with other services on Google Cloud so you can build full-featured applications.
En savoir plus
Dans ce bref cours consacré à l'intégration d'applications avec les modèles Gemini 1.0 Pro sur Google Cloud, vous découvrirez l'API Gemini et ses modèles d'IA générative. Vous apprendrez également à accéder aux modèles Gemini 1.0 Pro et Gemini 1.0 Pro Vision à partir du code. Enfin, vous testerez les capacités des modèles avec des requêtes contenant du texte, des images et des vidéos à partir d'une application.
En savoir plus
Terminez le cours intermédiaire Déployer des applications Kubernetes sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : la configuration et la création d'images de conteneur Docker, la création et la gestion de clusters Google Kubernetes Engine (GKE), l'utilisation de kubectl pour gérer efficacement les clusters et le déploiement d'applications Kubernetes en appliquant des pratiques de livraison continue (CD) robustes.
En savoir plus
Terminez le cours intermédiaire Développer des applications sans serveur sur Cloud Run pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'intégration de Cloud Run à Cloud Storage pour la gestion des données, la conception de systèmes asynchrones résilients à l'aide de Cloud Run et Pub/Sub, la construction de passerelles API REST reposant sur Cloud Run, et la création et le déploiement de services sur Cloud Run. 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
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. 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
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
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
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 participants s'entraîneront à utiliser l'ingestion en flux continu de Vertex AI Feature Store au niveau du SDK.
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
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 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
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.
Developing Applications with Cloud Run Functions on Google Cloud
Earned août 29, 2024 EDT
Developing Containerized Applications on Google Cloud
Earned août 29, 2024 EDT
Developing Applications with Google Cloud: Foundations
Earned août 29, 2024 EDT
App Deployment, Debugging, and Performance - Français
Earned août 29, 2024 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned août 28, 2024 EDT
Service Orchestration and Choreography on Google Cloud
Earned août 28, 2024 EDT
Developing Applications with Cloud Run on Google Cloud: Fundamentals
Earned août 28, 2024 EDT
Intégrer des applications avec Gemini 1.0 Pro sur Google Cloud
Earned août 28, 2024 EDT
Déployer des applications Kubernetes sur Google Cloud
Earned août 27, 2024 EDT
Développer des applications sans serveur sur Cloud Run
Earned août 27, 2024 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned avr. 20, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned avr. 18, 2024 EDT
Créer et déployer des solutions de machine learning sur Vertex
Earned avr. 11, 2024 EDT
Machine Learning Operations (MLOps) avec Vertex AI : gérer les caractéristiques
Earned avr. 4, 2024 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned avr. 3, 2024 EDT
Recommendation Systems on Google Cloud
Earned avr. 2, 2024 EDT
Natural Language Processing on Google Cloud
Earned avr. 1, 2024 EDT
Systèmes de machine learning de production
Earned mars 30, 2024 EDT
Machine learning au sein de l'entreprise
Earned mars 28, 2024 EDT
Ingénierie des caractéristiques
Earned mars 26, 2024 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 24, 2024 EDT
Launching into Machine Learning - Français
Earned mars 20, 2024 EDT
Présentation de l'IA et du machine learning sur Google Cloud
Earned mars 7, 2024 EST