Build and Deploy Customer Experience Agents
Earned mars 9, 2026 EDT
Extend Gemini Enterprise Assistant Capabilities
Earned juin 9, 2025 EDT
Déployer des systèmes multi-agents avec Agent Development Kit (ADK) et Agent Engine
Earned mai 30, 2025 EDT
Virtual Agent Development in Dialogflow CX for Citizen Devs
Earned mars 2, 2025 EST
Intro to Conversational AI and Conversational AI Engagement Framework
Earned fév. 21, 2025 EST
Accélérer l'échange de connaissances avec Gemini Enterprise
Earned jan. 26, 2025 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned mai 5, 2024 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud
Earned jan. 13, 2024 EST
Generative AI Fundamentals
Earned août 6, 2023 EDT
Créer des modèles de création de légendes pour les images
Earned juin 11, 2023 EDT
Modèles Transformer et modèle BERT
Earned juin 10, 2023 EDT
Architecture encodeur/décodeur
Earned juin 10, 2023 EDT
Mécanisme d'attention
Earned juin 10, 2023 EDT
Introduction à la génération d'images
Earned juin 10, 2023 EDT
Generative AI Fundamentals - Français
Earned juin 10, 2023 EDT
Introduction à l'IA responsable
Earned juin 10, 2023 EDT
Présentation des grands modèles de langage
Earned juin 10, 2023 EDT
Présentation de l'IA générative
Earned juin 10, 2023 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned jan. 7, 2023 EST
Machine Learning in the Enterprise - Français
Earned déc. 31, 2022 EST
Certification Learning Path: Professional Machine Learning Engineer
Earned août 22, 2022 EDT
Computer Vision Fundamentals with Google Cloud
Earned avr. 28, 2022 EDT
Systèmes de machine learning de production
Earned avr. 28, 2022 EDT
Machine Learning in the Enterprise - Français
Earned avr. 27, 2022 EDT
Machine learning au sein de l'entreprise
Earned avr. 27, 2022 EDT
Ingénierie des caractéristiques
Earned avr. 26, 2022 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 5, 2022 EST
Launching into Machine Learning - Français
Earned fév. 9, 2022 EST
How Google Does Machine Learning - Français
Earned jan. 8, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned déc. 5, 2021 EST
In this course you will discover the exciting new features and capabilities of Customer Experience Agent Studio (CX Agent Studio), design AI agents from the CLI using MCP servers, learn how to evaluate your agent's performance and implement the Quality Hill Climbing process. You will also find out how to set up your agent's memory to store, retrieve, and use information across conversation turns and implement callbacks for logging or authentication, configure guardrails to protect against malicious attempts and ensure aligned responses, and deploy the agent to various channels.
Additionally, you will explore the possible integrations between CX Agent Studio and CCaaS services and providers, including first party digital channel integrations with Google Telephony Platform (GTP), widgets and APIs, escalations to human agents through Google Cloud CCaaS and Gemini Enterprise for Customer Experience, and third party telephony and CCaaS integrations with providers such as Twillio or Salesfor…
En savoir plus
Complete the Extend Gemini Enterprise Assistant Capabilities skill badge to demonstrate your ability to extend Gemini Enterprise assistant's capabilities with actions, grounding with Google Search, and a conversational agent.
A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network.
When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
En savoir plus
Dans ce cours, vous utiliserez Google Agent Development Kit pour créer des systèmes multi-agents complexes. Vous développerez des agents équipés d'outils qui pourront interagir sur la base de flux et de relations parent-enfant. Vous allez exécuter vos agents en local et les déployer sur Vertex AI Agent Engine sous la forme d'un flux agentif géré, où les décisions concernant l'infrastructure et le scaling des ressources seront traitées par Agent Engine.
Veuillez noter que ces ateliers sont basés sur une version préliminaire du produit. Les mises à jour ne seront peut-être pas immédiatement reflétées dans le contenu.
En savoir plus
Welcome to "Virtual Agent Development in Dialogflow CX for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations using Dialogflow CX.
En savoir plus
This is an introductory course to all solutions in the Conversational AI portfolio and the Gen AI features that are available to transform them. The course also explores the business case around Conversational AI, and the use cases and user personas addressed by the solution. Please note Dialogflow CX was recently renamed to Conversational Agents and this course is in the process of being updated to reflect the new product name for Dialogflow CX.
En savoir plus
Combinez l'expertise de Google dans les domaines de la recherche et de l'IA grâce à Gemini Enterprise. Cet outil puissant est conçu pour aider les collaborateurs à trouver des informations précises dans des documents stockés, des e-mails, des conversations, des systèmes de suivi des demandes et d'autres sources de données, le tout grâce à une simple barre de recherche. L'assistant Gemini Enterprise peut également les aider à trouver des idées, faire des recherches, résumer des documents et exécuter des tâches comme inviter des collègues à un événement d'agenda pour faciliter la collaboration et l'exploitation des connaissances.
(Veuillez noter que Gemini Enterprise s'appelait auparavant Google Agentspace ; il se peut donc que ce cours contienne des références à l'ancien nom du produit.)
En savoir plus
Ce cours présente les fonctionnalités d'IA et de machine learning (ML) de Google Cloud, en mettant l'accent sur le développement de projets d'IA prédictive et générative. Il explore les différentes technologies, produits et outils disponibles tout au long du cycle de vie des données à l'IA, et permet aux data scientists, aux développeurs d'IA et aux ingénieurs en ML d'améliorer leur expertise grâce à des exercices interactifs.
En savoir plus
One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is set up as a workshop and in this workshop, you will do End-to-End Machine Learning with TensorFlow on Google Cloud Platform. It involves building an end-to-end model from data exploration all the way to deploying an ML model and getting predictions from it.
This is the first course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Production Machine Learning Systems course.
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
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
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
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 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 prétraiter les données, de la découverte de Dataflow et Dataprep à l'utilisation de BigQuery pour les opérations de prétraitement.
On présente à cette équipe trois options de construction de modèles de machine learning pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe utiliserait AutoML, BigQuery ML ou l'entraînement personnalisé pour atteindre ses objectifs. Il permet de découvrir plus en détail l'entraînement personnalisé en décrivant les exigences correspondantes : structure du code d'entraînement, stockage, chargement de grands ensembles de données ou encore exportation d'un modèle entraîné.
Vous construirez un modèle de machine learning pour…
En savoir plus
Good news! There’s a new updated version of this learning path available for you!Open the new Professional Machine Learning Engineer Certification Learning Path to begin, once you’ve selected the new path all your current progress will be reflected in the new version.
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
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 prétraiter les données, de la découverte de Dataflow et Dataprep à l'utilisation de BigQuery pour les opérations de prétraitement.
On présente à cette équipe trois options de construction de modèles de machine learning pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe utiliserait AutoML, BigQuery ML ou l'entraînement personnalisé pour atteindre ses objectifs. Il permet de découvrir plus en détail l'entraînement personnalisé en décrivant les exigences correspondantes : structure du code d'entraînement, stockage, chargement de grands ensembles de données ou encore exportation d'un modèle entraîné.
Vous construirez un modèle de machine learning pour…
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
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 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.
Build and Deploy Customer Experience Agents
Earned mars 9, 2026 EDT
Extend Gemini Enterprise Assistant Capabilities
Earned juin 9, 2025 EDT
Déployer des systèmes multi-agents avec Agent Development Kit (ADK) et Agent Engine
Earned mai 30, 2025 EDT
Virtual Agent Development in Dialogflow CX for Citizen Devs
Earned mars 2, 2025 EST
Intro to Conversational AI and Conversational AI Engagement Framework
Earned fév. 21, 2025 EST
Accélérer l'échange de connaissances avec Gemini Enterprise
Earned jan. 26, 2025 EST
Présentation de l'IA et du machine learning sur Google Cloud
Earned mai 5, 2024 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud
Earned jan. 13, 2024 EST
Generative AI Fundamentals
Earned août 6, 2023 EDT
Créer des modèles de création de légendes pour les images
Earned juin 11, 2023 EDT
Modèles Transformer et modèle BERT
Earned juin 10, 2023 EDT
Architecture encodeur/décodeur
Earned juin 10, 2023 EDT
Mécanisme d'attention
Earned juin 10, 2023 EDT
Introduction à la génération d'images
Earned juin 10, 2023 EDT
Generative AI Fundamentals - Français
Earned juin 10, 2023 EDT
Introduction à l'IA responsable
Earned juin 10, 2023 EDT
Présentation des grands modèles de langage
Earned juin 10, 2023 EDT
Présentation de l'IA générative
Earned juin 10, 2023 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned jan. 7, 2023 EST
Machine Learning in the Enterprise - Français
Earned déc. 31, 2022 EST
Certification Learning Path: Professional Machine Learning Engineer
Earned août 22, 2022 EDT
Computer Vision Fundamentals with Google Cloud
Earned avr. 28, 2022 EDT
Systèmes de machine learning de production
Earned avr. 28, 2022 EDT
Machine Learning in the Enterprise - Français
Earned avr. 27, 2022 EDT
Machine learning au sein de l'entreprise
Earned avr. 27, 2022 EDT
Ingénierie des caractéristiques
Earned avr. 26, 2022 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 5, 2022 EST
Launching into Machine Learning - Français
Earned fév. 9, 2022 EST
How Google Does Machine Learning - Français
Earned jan. 8, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned déc. 5, 2021 EST