Application de recherche dans un magasin de jouets avec des bases de données Cloud, des environnements d'exécution sans serveur et des intégrations Open Source

Dans cet atelier de programmation, vous allez créer une application de recherche vectorielle basée sur le RAG conçue pour trouver des jouets correspondant à la recherche des clients (à l'aide de textes et d'images), créer des jouets personnalisés en fonction de la demande des utilisateurs et prédire le prix du jouet créé sur mesure à l'aide d'AlloyDB, Gemini, Imagen, LangChain4j et de la boîte à outils GenAI pour les bases de données.

Premiers pas avec les embeddings vectoriels avec AlloyDB AI

Dans cet atelier de programmation, vous allez apprendre à utiliser l'IA AlloyDB avec Vector Search et à créer un indice sur les données vectorielles.

• AlloyDB pour PostgreSQL

Premiers pas avec les représentations vectorielles continues dans Cloud SQL pour PostgreSQL

Dans cet atelier de programmation, vous allez apprendre à utiliser l'intégration de l'IA dans Cloud SQL avec la recherche vectorielle et à créer un indice sur les données vectorielles.

• Cloud SQL

Installer et configurer la boîte à outils pour vos applications d'IA générative et agentique sur AlloyDB

Dans cet atelier de programmation, vous allez créer et déployer une boîte à outils pour votre application de prévision des prix qui utilise AlloyDB et les fonctionnalités d'IA générative à l'aide du service Gen AI Toolbox for Databases.

Créez une application de recommandation de postures de yoga contextuelle avec Firestore, la recherche vectorielle et Gemini 2.0.

Dans cet atelier de programmation, vous allez créer une application de recherche contextuelle sur les postures de yoga, conçue pour répondre aux questions des utilisateurs sur les postures de yoga en fonction de leurs requêtes. Il permet également d'effectuer des tâches administratives, comme créer et modifier des postures de yoga.

Reconnaître, identifier la langue et traduire du texte avec ML Kit et CameraX: Android

Dans cet atelier de programmation, vous allez créer une application Android avec ML Kit qui utilise le machine learning sur l'appareil pour reconnaître, identifier la langue et traduire du texte dans 59 langues. Vous découvrirez également comment intégrer la bibliothèque CameraX pour effectuer ces tâches à partir d'un flux d'appareil photo en temps réel.

• Firebase
• Android

Gemini en Java avec Vertex AI et LangChain4j

Dans cet atelier de programmation, vous allez discuter avec vos utilisateurs, poser des questions sur votre documentation ou étendre un modèle avec un appel de fonction, en utilisant l'IA générative dans Java, en intégrant le grand modèle de langage Gemini à Vertex AI et en vous appuyant sur le framework LangChain4j.

Utiliser l'API Translation avec Python

Dans ce tutoriel, vous allez apprendre à utiliser l'API Translation avec Python.

Créer un assistant de shopping intelligent avec AlloyDB et Vertex AI Agent Builder – Partie 1

Dans cet atelier de programmation, vous allez créer une application de chat basée sur les connaissances, conçue pour répondre aux questions des clients, faciliter la découverte de produits et personnaliser les résultats de recherche pour un ensemble de données d'e-commerce.

Créer une application de chat générative avec Vertex AI Conversation

Dans cet atelier de programmation, vous allez utiliser Vertex AI Conversation pour créer, configurer et déployer un agent de data store et une application de chat pour répondre aux questions des clients sur les produits du Google Store.

Accéder à la discussion Gemini avec le SDK Python via un point de terminaison Private Service Connect

Accéder à Gemini à partir d'une VM via le SDK Python et le point de terminaison PSC

• Vertex AI

Fonction Cloud pour la synthèse de contenus à l'aide de l'API PaLM Vertex AI et de Google Cloud Storage

Fonction Cloud qui montre comment traiter un fichier importé dans Google Cloud Storage et effectuer une synthèse à l'aide de l'API Vertex AI PaLM sur le contenu.

Prédiction de classement d'un film avec BQML à l'aide de SQL

Nous allons créer un modèle de prédiction du score de film en utilisant uniquement SQL avec BigQuery ML.

Prédiction des notes de films avec Vertex AI AutoML

Nous allons créer un modèle de prédiction de score de film à l'aide de Vertex AI AutoML, le déployer sur un point de terminaison d'API et déclencher l'API de prédiction depuis des fonctions Java Cloud.

Déployez une version de base de Google Traduction application sur Python 3 Cloud Functions

Dans cet atelier de programmation, vous allez apprendre à utiliser l'API Google Cloud Translation avec Python, et à l'exécuter en local ou à la déployer sur une plate-forme de calcul Cloud sans serveur (App Engine, Cloud Functions ou Cloud Run).

Déployez une version de base de Google Traduction application sur Python 2 Cloud Run (Docker)

Dans cet atelier de programmation, vous allez apprendre à utiliser l'API Google Cloud Translation avec Python, et à l'exécuter en local ou à la déployer sur une plate-forme de calcul Cloud sans serveur (App Engine, Cloud Functions ou Cloud Run).

Déployez une version de base de Google Traduction application sur Python 3 Cloud Run (Docker)

Dans cet atelier de programmation, vous allez apprendre à utiliser l'API Google Cloud Translation avec Python, et à l'exécuter en local ou à la déployer sur une plate-forme de calcul Cloud sans serveur (App Engine, Cloud Functions ou Cloud Run).

Détectez des objets dans des images pour créer une recherche visuelle de produits avec ML Kit: Android

Dans cet atelier de programmation, vous allez créer une application Android à l'aide de ML Kit. Cette application utilise le machine learning sur l'appareil pour détecter des objets dans des images, puis permet aux utilisateurs d'effectuer une recherche visuelle de produits.

• ML Kit
• Android

Utiliser Procurement Document AI pour analyser vos factures à l'aide d'AI Platform Notebooks

Vous allez apprendre à utiliser Procurement DocAI pour analyser intelligemment une facture.

PySpark pour le traitement du langage naturel sur Dataproc

Dans cet atelier, vous allez découvrir comment utiliser Spark MLlib et spark-nlp pour exécuter des tâches de machine learning et de TLN sur de grandes quantités de données.

Prototypez des modèles dans AI Platform Notebooks

Dans cet atelier, vous allez apprendre à utiliser AI Platform Notebooks pour prototyper vos workflows de machine learning. Nous aborderons la création d'une instance de notebook personnalisée, le suivi du code de votre notebook dans Git et le débogage des modèles avec l'outil de simulation What-If.

• TensorFlow

Utiliser l'API Natural Language avec Python

Dans ce tutoriel, vous allez apprendre à utiliser l'API Natural Language avec Python.

Déployez une version de base de Google Traduction application sur Python 2 App Engine

Dans cet atelier de programmation, vous allez apprendre à utiliser l'API Google Cloud Translation avec Python, et à l'exécuter en local ou à la déployer sur une plate-forme de calcul Cloud sans serveur (App Engine, Cloud Functions ou Cloud Run).

Bookshelf Analytics: utiliser Gemini pour créer des applications SQL avec BigQuery et l'IA générative

Nous utiliserons Gemini pour nous aider à créer des analyses de recommandations et de synthèses de livres avec BigQuery (IA générative SQL uniquement).

Créer un système de recherche de qualité Google avec Vertex AI

Dans cet atelier de programmation, vous allez créer un moteur de recherche de qualité Google capable de vous aider à répondre aux requêtes à partir de vos documents et fichiers texte à l'aide de Vertex AI Search/Agent Builder.

• Vertex AI
• Google Cloud

Compilateur d'étagères: utiliser Gemini pour créer une fonction Cloud Java pour une application Gemini

Nous allons créer une application de recommandation et de synthèse de livres qui utilisera l'IA générative de Vertex AI (Gemini) dans une fonction Cloud en tant que fonction distante de BigQuery.

Reconnaître les caractéristiques de texte et de visages avec ML Kit sur Android

Dans cet atelier de programmation, vous allez créer une application Android à l'aide de ML Kit, qui utilise le machine learning sur l'appareil pour reconnaître du texte et des caractéristiques faciales dans des images.

• ML Kit
• Android

Reconnaître, identifier la langue et traduire du texte avec ML Kit et CameraX: Android

Dans cet atelier de programmation, vous allez créer une application Android à l'aide de ML Kit, qui utilise le machine learning sur l'appareil pour reconnaître, identifier et traduire du texte dans 59 langues. Vous apprendrez également à intégrer la bibliothèque CameraX pour effectuer ces tâches à partir d'un flux d'appareil photo en temps réel.

• ML Kit
• Firebase
• Android

Mettre à jour votre application pour utiliser un modèle de machine learning avec filtrage du spam

Apprenez à mettre à jour une application avec un modèle de ML capable de filtrer les spams de base dans les commentaires.

• TensorFlow
• Android

Créer un modèle de ML financier avec l'outil de simulation What-If et Vertex AI

Dans cet atelier, vous allez apprendre à entraîner un modèle XGBoost sur un ensemble de données financier, à le déployer sur Vertex AI et à l'analyser avec l'outil de simulation What-If

• TensorFlow

Réseaux de neurones convolutifs, avec Keras et des TPU

Dans cet atelier, vous allez apprendre à assembler une couche convolutive dans un modèle de réseau de neurones capable de reconnaître des fleurs. Cette fois, vous allez créer vous-même le modèle à partir de zéro et exploiter la puissance du TPU pour l'entraîner en quelques secondes et effectuer des itérations sur sa conception. Cet atelier comprend les explications théoriques nécessaires concernant les réseaux de neurones convolutifs. Il constitue un bon point de départ pour les développeurs qui se familiarisent avec le deep learning.

• TensorFlow

Keras et des réseaux de neurones convolutifs modernes sur des TPU

Dans cet atelier, vous allez apprendre à créer, entraîner et régler vos propres réseaux de neurones convolutifs en partant de zéro. Cela peut désormais se faire en quelques minutes grâce à la puissance des TPU. Vous explorerez également plusieurs approches, du simple apprentissage par transfert aux architectures convolutives modernes telles que Squeezenet. Cet atelier comprend les explications théoriques nécessaires concernant les réseaux de neurones et constitue un bon point de départ pour les développeurs qui apprennent le deep learning. Cet atelier utilise TensorFlow 2.

• TensorFlow

Pipelines de données à la vitesse des TPU: tf.data.Dataset et TFRecords

Les TPU sont très rapides. Le flux de données d'entraînement doit suivre le rythme de leur vitesse d'entraînement. Dans cet atelier, vous allez apprendre à charger des données à partir de GCS avec l'API tf.data.Dataset pour alimenter votre TPU.

• TensorFlow

Votre premier modèle Keras, avec apprentissage par transfert

Dans cet atelier, vous allez apprendre à créer un classificateur Keras. Au lieu d'essayer de trouver la combinaison parfaite de couches de réseaux de neurones pour reconnaître les fleurs, nous allons d'abord utiliser une technique appelée "apprentissage par transfert" pour adapter un modèle pré-entraîné performant à notre ensemble de données. Cet atelier comprend les explications théoriques nécessaires concernant les réseaux de neurones et constitue un bon point de départ pour les développeurs qui apprennent le deep learning.

Réseaux convnets modernes, Squeezenet et Xception, avec Keras et des TPU

Dans cet atelier, vous allez découvrir l'architecture convolutive moderne et mettre à profit vos connaissances pour implémenter un réseau de neurones convolutif simple, mais efficace, appelé "squeezène". Cet atelier comprend les explications théoriques nécessaires concernant les réseaux de neurones convolutifs. Il constitue un bon point de départ pour les développeurs qui se familiarisent avec le deep learning.

• TensorFlow

Créer une application de chat basée sur un LLM et une RAG à l'aide de bases de données Cloud SQL et de LangChain

Dans cet atelier de programmation, vous allez apprendre à créer une base de données, à déployer le service de récupération d'IA générative pour les bases de données et à créer un exemple d'application de chat à l'aide de ce service.

• Cloud SQL

TensorFlow, Keras et deep learning, sans doctorat

Dans cet atelier de programmation, vous allez apprendre à l'ordinateur à reconnaître les chiffres manuscrits avec 99% de précision, en 100 lignes de code Python / Kéras.

• TensorFlow

Utiliser l'API Video Intelligence avec Python

Dans ce tutoriel, vous allez apprendre à utiliser l'API Video Intelligence avec Python.

Du notebook à Kubeflow Pipelines avec le réglage HP: un parcours de data science

Dans cet atelier de programmation, vous allez apprendre à créer et à déployer des pipelines de data science complexes avec le réglage des hyperparamètres sur Kubeflow Pipelines, sans utiliser de commandes CLI ni de SDK.

Kubeflow Pipelines – Synthèse de problèmes sur GitHub

Dans cet atelier de programmation, vous allez configurer une installation de pipeline Cloud AI Platform (KFP hébergé) avec GKE, créer et exécuter des workflows de ML à l'aide de Kubeflow Pipelines, et définir et exécuter des pipelines à partir d'un notebook AI Platform (Jupyter).

• TensorFlow

Du notebook à Kubeflow Pipelines avec MiniKF et Kale

Dans cet atelier de programmation, vous allez apprendre à créer et à déployer des pipelines de data science complexes avec Kubeflow Pipelines, sans utiliser de commandes CLI ni de SDK.

IA générative pour l'analyse de vidéos avec Vertex AI

Découvrez comment analyser les vues des influenceurs sur YouTube pour n'importe quelle entreprise ou n'importe quel produit à l'aide des fonctionnalités d'IA générative de Google.

Gérer les processeurs Document AI avec Python

Dans ce tutoriel, vous allez apprendre à gérer les processeurs Document AI avec Python.

Créer, entraîner et déployer un modèle XGBoost sur Cloud AI Platform

Dans cet atelier, vous allez suivre un workflow de ML complet sur GCP: ingérer des données à partir de BigQuery, créer un modèle XGBoost dans une instance de notebook Cloud AI Platform et déployer le modèle sur AI Platform.

Analyser un modèle de ML financier déployé sur Cloud AI Platform avec l'outil de simulation What-If

Dans cet atelier, vous allez apprendre à entraîner un modèle XGBoost sur un ensemble de données financier, à le déployer sur Cloud AI Platform et à l'analyser avec l'outil de simulation What-If.

• TensorFlow

Créer un assistant de shopping intelligent avec AlloyDB et Vertex AI Agent Builder – Partie 2

Dans cet atelier de programmation, vous allez créer une application de chat basée sur les connaissances, conçue pour répondre aux questions des clients, faciliter la découverte de produits et personnaliser les résultats de recherche pour un ensemble de données d'e-commerce.

Créer un assistant de recherche de brevets avec AlloyDB et Vertex AI Agent Builder – Partie 2

Dans cet atelier de programmation, vous allez créer une application de chat basée sur les connaissances, conçue pour répondre aux questions liées à la recherche de brevets et obtenir des résultats pertinents du contexte en s'appuyant sur la vérité de l'ensemble de données sur les brevets comme source.

La vision par ordinateur simplifiée: Vision AI sur Spring Boot et Java

Nous allons créer une application de vision par ordinateur à l'aide de Spring Boot et de Java, afin de vous permettre d'exploiter tout le potentiel de la reconnaissance et de l'analyse d'images dans vos projets.

• Cloud Run

Utiliser l'API Speech-to-Text avec Python

Dans ce tutoriel, vous allez apprendre à utiliser l'API Speech-to-Text avec Python.

IA générative déterministe avec appel de fonction Gemini en Java

Cet exemple présente la fonctionnalité d'appel de fonction Gemini dans une application Java en appelant le modèle Gemini afin d'orchestrer l'entrée pour l'appel de fonction, d'appeler l'API, puis de traiter la réponse dans un autre appel Gemini et de la déployer sur un point de terminaison REST.

Reconnaissance optique des caractères (OCR) avec Document AI et Python

Dans cet atelier de programmation, vous allez effectuer une reconnaissance optique des caractères pour des documents PDF à l'aide de Document AI et Python. Vous apprendrez à envoyer des requêtes de traitement en ligne (synchrones) et par lot (asynchrones).

Processeurs spécialisés avec Document AI (Python)

Dans cet atelier de programmation, vous allez apprendre à utiliser Procurement DocAI et Lending DocAI pour classer et analyser des documents spécialisés.

Analyser des formulaires avec Document AI et Python

Dans cet atelier de programmation, vous allez apprendre à utiliser l'analyseur de formulaires Document AI pour analyser un formulaire manuscrit avec Python. Nous utiliserons par exemple un simple formulaire d'admission médicale, mais cette procédure

Document AI Workbench : extracteur de document personnalisé

Dans cet atelier de programmation, vous allez apprendre à utiliser Document AI Workbench pour créer des modèles entièrement personnalisés à l'aide de vos propres données d'entraînement.

Document AI: human-in-the-loop (avec intervention humaine)

Dans cet atelier de programmation, vous allez apprendre à utiliser Document AI human-in-the-loop (avec intervention humaine) pour effectuer des tâches d'examen manuel avec des processeurs spécialisés.

Document AI Workbench : surentraînement

Dans cet atelier de programmation, vous allez apprendre à utiliser le surentraînement Document AI pour améliorer la qualité des modèles à l'aide de vos propres données d'entraînement.

Prévision de séries temporelles avec Vertex AI et BigQuery ML

Dans cet atelier, vous allez apprendre à résoudre des problèmes liés aux séries temporelles à l'aide de Vertex AI en utilisant Notebooks, l'entraînement, la prédiction et BigQuery ML.

• TensorFlow

Entraîner un modèle PyTorch sur Cloud AI Platform et régler ses hyperparamètres

Dans cet atelier, vous allez apprendre à entraîner votre modèle dans le cloud avec les réglages d'hyperparamètres. Nous allons vous montrer comment procéder avec PyTorch, mais vous pouvez le faire dans la structure de votre choix.

Utiliser l'API Text-to-Speech avec Python

Dans ce tutoriel, vous allez apprendre à utiliser l'API Text-to-Speech avec Python.

Utiliser l'API Vision avec Python

Dans ce tutoriel, vous allez apprendre à utiliser l'API Vision avec Python.

Generative Insights avec BigQuery SQL et Vertex AI

Créez une application de prédiction d'évaluation du succès des films et de prescription de films à l'aide de requêtes SQL BigQuery et de l'API Vertex AI PaLM.

LLM SQL uniquement avec BigQuery ML à l'aide de l'API Vertex AI PaLM

Synthèse du code source des dépôts GitHub disponible sous forme d'ensemble de données public BigQuery, à l'aide du grand modèle de langage Vertex AI pour la génération de texte (texte-bison) en tant que fonction distante hébergée dans BigQuery.

Entraîner et déployer un modèle de classification d'images sur l'appareil avec AutoML Vision dans ML Kit

Dans cet atelier de programmation, vous allez entraîner un classificateur d'images à l'aide d'AutoML Vision Edge dans ML Kit, puis l'exécuter sur un téléphone Android ou iOS à l'aide du SDK ML Kit.

• Android
• ML Kit
• Firebase
• TensorFlow

Application de chat avec l'API PaLM dans Cloud Run

Développez une application de chat à l'aide du framework Python Flask et du modèle d'API Vertex AI PaLM.

• Cloud Run

Fonction Cloud qui encapsule les modèles Text-Bison PaLM

Cet exemple présente une fonction Cloud écrite en Python qui initialise le module Vertex AI, puis fournit un point de terminaison pour appeler le modèle PaLM Text Bison.

Créez un modèle de classification de texte personnalisé et mettez-le à jour dans vos applications

Dans cet atelier de programmation, vous allez apprendre à améliorer le modèle que vous avez créé dans le parcours "Premiers pas avec la classification de texte sur mobile" afin de créer un modèle qui fonctionne avec vos propres données. Vous verrez ensuite comment mettre à jour vos applications Android et iOS avec le nouveau modèle.

• TensorFlow
• Android

Créer un modèle de machine learning portant sur le spam dans les commentaires

Dans cet atelier de programmation, vous allez découvrir comment est créé un modèle de machine learning capable de filtrer le spam à partir d'autres commentaires.

• Android
• TensorFlow

Créer une application de messagerie basique

Dans cet atelier de programmation, vous allez apprendre à créer une application de chat simple avec une zone de texte et un bouton d'envoi.

• Android
• TensorFlow

Application Text Summarizer avec Vertex AI et Svelte Kit

Créez un cas d'utilisation de la synthèse de texte pour permettre aux utilisateurs de résumer des articles, du texte et d'autres formes de contenu à l'aide de Google Cloud Vertex AI sur une application Web Svelte Kit.

Créer un modèle personnalisé pour votre classificateur d'images

Dans cet atelier de programmation, vous allez entraîner un modèle de ML à reconnaître des fleurs spécifiques.

• TensorFlow
• Android

TensorFlow.js: réentraîner un modèle de détection de spam dans les commentaires pour gérer les cas spéciaux

Dans cet atelier de programmation, vous allez apprendre à utiliser Model Maker pour réentraîner un modèle de spam avec commentaires afin de prendre en compte les cas spéciaux que le modèle pré-entraîné n'a pas pu traiter, puis à redéployer le nouveau modèle dans l'application Web.

• TensorFlow

Intégrer un modèle personnalisé à votre application

Dans cet atelier de programmation, vous allez apprendre à intégrer un modèle de classification d'images personnalisé dans une application Android ou iOS à l'aide des modèles personnalisés de ML Kit.

• TensorFlow
• Android

Méthodes de synthèse de texte à l'aide de l'API Vertex AI PaLM

Dans ce tutoriel, vous allez apprendre à utiliser des modèles génératifs pour synthétiser des informations à partir d'un texte en utilisant la méthode d'accumulation

Créer une webcam intelligente en JavaScript à l'aide d'un modèle de machine learning pré-entraîné TensorFlow.js

Dans cet atelier de programmation, vous allez apprendre à charger et à utiliser l'un des modèles pré-entraînés TensorFlow.js (COCO-SSD) et à l'utiliser pour reconnaître les objets courants sur lesquels il a été entraîné.

• TensorFlow

Utiliser Document AI Warehouse pour ingérer, traiter et rechercher des documents

Dans cet atelier de programmation, vous allez utiliser Document AI Warehouse pour ingérer, traiter et effectuer des recherches dans le texte intégral de documents.

Déployez une version de base de Google Traduction Application Express.js sur App Engine, Cloud Functions et Cloud Run

Dans cet atelier de programmation, vous allez apprendre à utiliser l'API Google Cloud Translation avec Node.js, et à l'exécuter en local ou à la déployer sur une plate-forme de calcul sans serveur cloud (App Engine, Cloud Functions ou Cloud Run).

Créer un modèle de détection de fraudes sur Cloud AI Platform à l'aide de TensorFlow Enterprise et de BigQuery

Dans cet atelier, vous allez ingérer directement un ensemble de données BigQuery et entraîner un modèle de détection de fraudes à l'aide de TensorFlow Enterprise sur Google Cloud AI Platform.

• TensorFlow

Expliquer un modèle de détection de fraude avec Cloud AI Platform

Dans cet atelier, vous allez créer un fichier tf.keras pour identifier les transactions frauduleuses à l'aide de TensorFlow, puis interpréter les résultats du modèle avec le SDK Explainable AI de Cloud.

• TensorFlow

Des données vers une IA générative avec Spanner et l'API Vertex AI Imagen

Créez une application de génération de postures pour générer des images basées sur des requêtes de pose créées par l'utilisateur avec des données extraites de la base de données Spanner à l'aide de l'API de l'application serveur.

Chat avec des utilisateurs et des documents basé sur l'IA générative en Java avec PaLM et LangChain4J

Dans cet atelier de programmation, vous discuterez avec vos utilisateurs ou poserez des questions sur votre documentation en utilisant l'IA générative en Java, en intégrant le grand modèle de langage PaLM et en vous appuyant sur le framework d'orchestration des LLM LangChain4J.

Interagir avec les API à l'aide de l'appel de fonction dans Gemini

Dans cet atelier de programmation, vous allez utiliser l'appel de fonction dans Gemini pour créer une application permettant aux utilisateurs de poser des questions sur les taux de change, d'extraire les dernières données d'une API externe, puis de répondre à l'utilisateur.

Génération de texte par IA générative en Java avec PaLM et LangChain4J

Dans cet atelier de programmation, vous commencerez à utiliser l'IA générative en Java, en intégrant le grand modèle de langage PaLM et en vous appuyant sur le framework d'orchestration des LLM LangChain4J.

Atelier de programmation sur l'entraînement TensorFlow.js dans Node.js

Dans cet atelier de programmation, vous allez apprendre à créer et entraîner un modèle d'estimation de terrain de baseball à l'aide de TensorFlow.js sur un serveur Node.js, et à diffuser des métriques auprès d'un client.

• TensorFlow

TensorFlow.js: convertir un SavedModel Python au format TensorFlow.js

Dans cet atelier de programmation, vous allez apprendre à convertir un modèle de ML Python existant au format SavedModel et à le convertir au format TensorFlow.js pour qu'il puisse s'exécuter dans un navigateur Web, tout en apprenant à résoudre les problèmes courants liés aux conversions.

• TensorFlow

Automatisation des commandes Slack

Code source permettant de créer une commande Slack Slash pour la synthèse de texte dans l'application Slack. L'application Slack utilise la fonction Cloud pour appeler l'API PaLM afin de synthétiser du texte.

Reconnaître des fleurs avec TensorFlow Lite sur Android

Dans cet atelier de programmation, vous allez utiliser un classificateur d'images et l'exécuter sur un téléphone Android à l'aide de TensorFlow Lite.

• TensorFlow
• Android

Recherche de similarités avec Spanner et Vertex AI

Créez une application de recherche de similarités pour les recommandations de vêtements basées sur les entrées utilisateur. Effectuez une recherche sur les données stockées dans Spanner et indexées par Vector Search pour répondre avec les plus proches voisins.

Reconnaissance vocale par IA avec TensorFlow Lite for Microcontrollers et SparkFun Edge

Dans cet atelier de programmation, vous allez apprendre à exécuter un modèle de reconnaissance vocale à l'aide de TensorFlow Lite for Microcontrollers sur SparkFun Edge, une carte de développement sur batterie contenant un microcontrôleur.

• TensorFlow

TensorFlow.js – Reconnaissance audio à l'aide de l'apprentissage par transfert

Dans cet atelier de programmation, vous allez créer un réseau de reconnaissance audio de base capable de reconnaître vos sons et de l'utiliser pour contrôler un curseur dans le navigateur. Vous allez utiliser TensorFlow.js, une bibliothèque de machine learning puissante et flexible pour JavaScript.

• TensorFlow

ML Kit (reconnaître les caractéristiques de texte et de visages) – iOS

Dans cet atelier de programmation, vous allez créer une application iOS à l'aide de ML Kit, qui utilise le machine learning sur l'appareil pour reconnaître du texte et des caractéristiques faciales dans des images.

• ML Kit

Créer une application de chat basée sur un grand modèle de langage et sur la génération augmentée de récupération à l'aide d'AlloyDB AI et de LangChain

Dans cet atelier de programmation, vous allez apprendre à créer un cluster AlloyDB, à déployer le service de récupération de bases de données par IA générative et à créer un exemple d'application à l'aide de ce service.

Analyses des données d'étagères : utiliser Gemini pour concevoir une application Cloud Run Java capable de transférer les données BigQuery sur le Web

Nous utiliserons Gemini pour nous aider à créer une application de synthèse des données d'étagères capable de transférer simplement les données BigQuery sur le Web et déployée sur Cloud Run.

• Cloud Run

Utiliser Document AI pour traiter vos formulaires manuscrits de manière intelligente (Python)

Dans cet atelier de programmation, je vais me concentrer sur la création d'un tutoriel utilisant l'API Document AI avec Python

TensorFlow.js – Effectuer des prédictions à partir de données 2D

Dans cet atelier de programmation, vous allez entraîner un modèle pour effectuer des prédictions à partir de données numériques. Le modèle va essayer de prédire la consommation de carburant d'une voiture en miles par gallon, en fonction de sa puissance en chevaux. Dans le jargon du machine learning, cette opération est décrite comme une tâche de régression, car elle prédit une valeur continue.

• TensorFlow

TensorFlow.js : Déployer et héberger un modèle de machine learning à grande échelle à l'aide de Firebase Hosting

Dans cet atelier de programmation, vous apprendrez à déployer un modèle de ML à l'aide de l'infrastructure Firebase afin de l'exploiter sur votre site Web avec TensorFlow.js

• TensorFlow

TensorFlow.js : Reconnaître des chiffres manuscrits à l'aide de réseaux de neurones convolutifs

Dans cet atelier de programmation, vous allez entraîner un modèle capable d'identifier des chiffres manuscrits. Dans le jargon du machine learning, on appelle cela une tâche de classification, dont le rôle est de prédire une catégorie pour une entrée donnée.

• TensorFlow

Classificateur d'images TensorFlow.js avec apprentissage par transfert

Dans cet atelier de programmation, vous allez apprendre à créer une Teachable Machine, un classificateur d'images personnalisé que vous allez entraîner à la volée dans un navigateur à l'aide de TensorFlow.js.

• TensorFlow

Créer un modèle de classification de texte personnalisé avec TensorFlow Lite Model Maker

Découvrez comment réentraîner le modèle de détection du spam pour détecter des types spécifiques de spams avec TensorFlow Lite Model Maker.

• Flutter
• TensorFlow

Entraîner un modèle de détection de spam dans les commentaires avec TensorFlow Lite Model Maker

Découvrez comment entraîner un modèle de détection du spam dans les commentaires avec TensorFlow Lite Model Maker.

• Flutter
• TensorFlow

Créer une application Flutter pour classer des textes

Découvrez comment créer une application Flutter qui classe les textes et affiche les résultats dans son UI.

• Flutter
• TensorFlow

Créer et déployer un modèle personnalisé de détection d'objets à l'aide de TensorFlow Lite (Android)

Dans cet atelier de programmation, vous allez créer une application Android capable de détecter des objets dans des images. Commencez par entraîner un modèle personnalisé de détection d'objets à l'aide de TFLite Model Maker, puis déployez-le avec la bibliothèque de tâches TFLite.

• TensorFlow
• Android

Créer votre première application de vision par ordinateur sur Android ou iOS

Dans cet atelier de programmation, vous apprendrez à créer une application simple pour Android et iOS capable d'étiqueter correctement une image.

• Android
• TensorFlow

TensorFlow.js: Réentraîner un modèle de détection des spams dans les commentaires pour traiter les cas spéciaux

Dans cet atelier de programmation, vous allez apprendre à utiliser Model Maker pour réentraîner un modèle de spam avec commentaires afin de tenir compte des cas spéciaux que le modèle pré-entraîné n'a pas pu traiter, puis à redéployer le nouveau modèle dans l'application Web.

• TensorFlow

Backend de produit de l'API Call Vision sur Android

Dans cet atelier de programmation, vous allez ajouter du code à une application Android pour appeler un backend de la recherche de produits de l'API Vision, afin que les utilisateurs de l'application puissent rechercher des produits à l'aide d'images.

• Android

TensorFlow.js: créer un système de détection du spam pour les commentaires

Dans cet atelier de programmation, vous allez apprendre à créer une page Web simple, capable de commenter un article de blog, et à l'intégrer à un modèle de machine learning pré-entraîné pour détecter les commentaires contenant du spam. Vous pourrez ainsi les filtrer avant même qu'ils ne s'affichent. stockées dans n'importe quelle base de données backend, ce qui réduit le temps de traitement et les coûts du serveur.

• TensorFlow

Créer un modèle de classification audio personnalisé pré-entraîné

Dans cet atelier de programmation, vous allez apprendre à personnaliser un modèle de classification audio pré-entraîné pour détecter les oiseaux.

• Android
• TensorFlow

Créer une application de base pour la classification de contenu audio

Dans cet atelier de programmation, vous allez apprendre à créer une application de base pour la classification de contenus audio capable d'enregistrer des contenus audio à l'aide du micro du téléphone.

• TensorFlow
• Android

Créer une application Android pour détecter des objets dans des images

Apprenez à créer une application Android qui détecte les objets à l'intérieur des images et qui affiche les résultats dans son interface.

• TensorFlow
• Android

Créer un backend de recherche d'images de produits avec l'API Vision Search

Dans cet atelier de programmation, vous allez apprendre à créer un backend de recherche d'images de produits à l'aide de la recherche de produits de l'API Vision et à créer une clé API pour l'appeler depuis des applications mobiles.

• Android

Créer un site Web simple qui classe les images

Découvrez comment créer un site Web simple qui classe les images avec TensorFlow Serving.

• TensorFlow

Créer une application iOS pour prédire des valeurs

Apprenez à créer une application iOS qui détecte les objets à l'intérieur des images et affiche les résultats dans son interface utilisateur.

• TensorFlow

使用 TensorFlow Lite 和 Firebase 向您的应用添加设备端文本分类 - Android Codelab

在此 Codelab 中，您将学习如何使用 Firebase 和 TensorFlow Lite 实现文本分类。

• TensorFlow
• Firebase ML
• Firebase
• Android

使用 TensorFlow Lite 和 Firebase 向您的应用添加建议 - iOS Codelab

在此 Codelab 中，您将学习如何使用 TensorFlow 和 Firebase 为应用创建内容推荐引擎

• Firebase
• Firebase ML
• TensorFlow
• Google Analytics

“实时设备端应用内购优化”Codelab

在此 Codelab 中，您将学习如何部署 TFLite 模型，以针对每位用户量身定制应用并优化应用内购买

• Google Analytics
• Firebase
• Firebase Remote Config
• Firebase ML
• TensorFlow
• Firebase A/B Testing
• BigQuery
• Android

使用 TensorFlow Lite 和 Firebase 向您的应用添加建议 - Android Codelab

在此 Codelab 中，您将学习如何使用 TensorFlow 和 Firebase 为应用创建内容推荐引擎。

• Android
• Google Analytics
• Firebase ML
• TensorFlow
• Firebase

使用 TensorFlow Lite 和 Firebase 向您的应用添加设备端文本分类 - iOS Codelab

在此 Codelab 中，您将学习如何使用 Firebase 和 TensorFlow Lite 实现文本分类。

• Firebase
• Firebase ML
• TensorFlow

对象检测入门

了解对象检测的基础知识，以及如何将预训练的对象检测器集成到您的移动应用中。

• TensorFlow
• Android

商品图片搜索入门

了解如何使用设备端对象检测功能为移动应用构建商品图片搜索功能。

• Android
• TensorFlow

移动文本分类入门

了解如何在一个移动应用中使用机器学习技术来识别文本，并打造一个能够过滤评论中的垃圾内容的应用。

• TensorFlow
• Android

在 Google Cloud 中构建自定义响应式聊天机器人

学习如何为 Dialogflow 聊天机器人构建自定义前端，为用户打造自然的对话式体验，然后使用 Cloud Vision 增强前端，使它能够分析上传的图片，并将相关分析结果包含在响应中。

• Dialogflow

深入了解图片分类

了解如何构建自定义图片分类模型，进一步提高您在“图片分类入门”在线课程中学到的技能。

• TensorFlow
• Android

使用 Gemini API 自动执行 Google Workspace 任务

了解如何利用 Gemini API 的强大功能来自动执行 Google Workspace 任务，并探索更多可能性。

• Google Workspace

深入了解对象检测

了解如何使用 TensorFlow Lite 和 TensorFlow Lite Model Maker 库训练您自己的自定义对象检测模型，并提升您在“对象检测入门”在线课程中学到的所有技能。

• TensorFlow
• Android

深入了解音频分类

了解如何借助 TFlite Model Maker，根据您的需求自定义经过预训练的音频分类模型，并将其部署到您的应用中。

• Android
• TensorFlow

垃圾评论检测入门

了解有关使用 TensorFlow.js 为 Web 应用创建自定义文本分类模型方面的基础知识。

• TensorFlow

音频分类入门

了解如何在移动应用中使用机器学习功能对移动设备接收到的声音进行分类。

• TensorFlow
• Android

深入了解商品图片搜索

了解如何构建商品图片搜索后端并从移动应用调用该后端，从而增强在“商品图片搜索入门”在线课程中构建的商品搜索功能。

• Android
• TensorFlow

使用 TensorFlow 进行神经网络编程

从新编程范式的首要原则，到如何创建卷积神经网络来实现高级图像识别和分类，从而解决常见的计算机视觉问题；在这里，您可以获得所需的一切信息，真正理解机器学习。

• TensorFlow

移动图片分类入门

了解如何使用计算机视觉技术构建能够“看到”和标记图片的移动应用。

• TensorFlow
• Android

深入了解垃圾评论检测

了解如何再训练垃圾评论模型，使之涵盖使用默认的预制模型时可能会漏掉的极端情况。

• TensorFlow

在 Android 上使用 TensorFlow Lite 识别花卉（Beta 版）

在此 Codelab 中，您将提取一个图像分类器，然后使用 TensorFlow Lite 在 Android 手机上运行它。

• Android
• TensorFlow

机器学习入门“Hello, World”

了解创建神经网络的基础知识，以及了解它如何定义行为的规则。

• TensorFlow

构建卷积并执行池化

了解如何构建卷积并执行池化以增强计算机视觉。

• TensorFlow

使用 TensorFlow 构建计算机视觉模型

了解如何使用 TensorFlow 创建用以识别衣物的计算机视觉模型。

• TensorFlow

使用卷积神经网络 (CNN) 处理复杂图像

了解如何使用 CNN 处理复杂图像（需要识别的主体可能位于图像上的任意位置）。

• TensorFlow

构建卷积神经网络 (CNN) 以增强计算机视觉

了解如何构建 CNN，从而使计算机更加高效地根据检测到的特征对图像内容进行分类。

• TensorFlow

使用大型数据集训练卷积神经网络 (CNN)，以免过拟合

学习使用大型数据集训练 CNN 以避免过拟合。

• TensorFlow

Leveraging the Gemini Pro Vision model for image understanding, multimodal prompts and accessibility

Explore how you can use the new Gemini Pro Vision model with the Gemini API to handle multimodal input data including text and image prompts to receive a text result. In this solution, you will learn how to access the Gemini API with image and text data, explore a variety of examples of prompts that can be achieved using images using Gemini Pro Vision and finally complete a codelab exploring how to use the API for a real-world problem scenario involving accessibility and basic web development.

• Gemini

Getting started with the Gemini API and Android

Learn how to use the Gemini API and the Google AI SDK to prototype generative AI in Android applications.

• Gemini
• Android
• Vertex AI in Firebase

Getting started with the Gemini API and Web apps

Learn how to use the Gemini API and the Google AI JavaScript SDK to prototype generative AI for web apps. Use the Google AI JavaScript SDK to make your first generative AI call using the Gemini API in your client-side web application. Explore a sample application and learn how to make multimodal prompts (that combine image and text).

• Vertex AI in Firebase
• Gemini

Getting started with the Gemini API and Dart and Flutter

Learn how to use the Gemini API and the Google AI Dart SDK to prototype generative AI in Dart and Flutter applications.

• Vertex AI in Firebase
• Flutter
• Gemini

Getting started with the Gemini API and Swift

Learn how to use the Gemini API and the Google AI Swift SDK to prototype generative AI with Swift. Use the Google AI Swift SDK to make your first generative AI call using the Gemini API in your application. Explore a sample application and learn how to make multimodal prompts (that combine image and text).

• Vertex AI in Firebase
• Gemini

Getting started with Google AI Studio and the Gemini API using Node.js

Learn how to prototype text-based prompts with Google AI Studio and get started writing your first Gemini API Node.js script.

• Gemini

Incorporating generative AI into your game development process with Gemini and Gemma AI

Learn how generative AI can be used in different stages of game development from preproduction to in-game solutions using Gemini AI and Gemma model.

• Gemini

Creating a multiplayer crossword with Gemini, Flutter, and Firebase

Learn how the Google engineering teams created a multiplayer crossword using Gemini, Flutter, and Firebase.

• Flutter
• Firebase