Search Central

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างและทำให้ตัวแทน Generative AI ใช้งานได้โดยใช้เครื่องมือและโครงสร้างพื้นฐานที่มีประสิทธิภาพของ Google Cloud เราจะอธิบายแนวคิดสําคัญและแนะนําขั้นตอนเบื้องต้นในการทำให้ตัวแทนคนแรกพร้อมใช้งาน

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีเรียกใช้เวิร์กโหลด AI/ML ด้วยโปรแกรมเร่งโดยใช้โซลูชันพื้นที่ที่เชื่อถือได้

Cloud Run เป็นแพลตฟอร์มที่มีการจัดการโดยสมบูรณ์ซึ่งช่วยให้คุณเรียกใช้โค้ดบนโครงสร้างพื้นฐานที่ปรับขนาดได้ของ Google ได้โดยตรง Codelab นี้จะสาธิตวิธีเชื่อมต่อแอปพลิเคชัน Next.js ใน Cloud Run กับฐานข้อมูล Cloud SQL สำหรับ PostgreSQL ในบทแนะนำนี้

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงโลจิสติกเพื่อทำความเข้าใจระดับที่ฟีเจอร์ต่างๆ เช่น เพศ กลุ่มอายุ เวลาการแสดงผล และประเภทเบราว์เซอร์ เชื่อมโยงกับแนวโน้มที่ผู้ใช้จะคลิกโฆษณา หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงโลจิสติกเพื่อทำความเข้าใจระดับที่ฟีเจอร์ต่างๆ เช่น เพศ กลุ่มอายุ เวลาการแสดงผล และประเภทเบราว์เซอร์ เชื่อมโยงกับแนวโน้มที่ผู้ใช้จะคลิกโฆษณา หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงเส้นเพื่อสร้างโมเดลที่คาดการณ์ต้นทุนต่อคลิก คุณต้องมีสิ่งต่อไปนี้จึงจะทํา Codelab นี้ให้เสร็จสมบูรณ์ได้ หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์ คุณจะต้องมีข้อมูลแคมเปญคุณภาพสูงเพียงพอเพื่อสร้างโมเดล

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงเส้นเพื่อสร้างโมเดลที่คาดการณ์ต้นทุนต่อคลิก หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์ คุณจะต้องมีข้อมูลแคมเปญคุณภาพสูงเพียงพอเพื่อสร้างโมเดล เรียกใช้การค้นหาต่อไปนี้

ในโค้ดแล็บนี้ คุณจะได้สร้างอินสแตนซ์ Spanner และทำการค้นหาความคล้ายคลึงในเวกเตอร์เชิงลึกโดยใช้การค้นหาเวกเตอร์ในตัวของ Spanner และการผสานรวมกับโมเดล Vertex AI

พัฒนาระบบผู้ช่วยสอนที่ทำงานด้วยระบบ AI ชื่อ "Aidemy" ใน Google Cloud Platform เพื่อแสดงพลังของระบบหลายตัวแทน รับประสบการณ์จริงในการออกแบบ การสร้าง และทำให้ระบบหลายเอเจนต์ที่ซับซ้อนใช้งานได้ใน Google Cloud, เชี่ยวชาญแนวคิดหลักๆ ในการพัฒนาแอปพลิเคชัน LLM และทําความเข้าใจประโยชน์ของสถาปัตยกรรมที่ทำงานตามเหตุการณ์

ในโค้ดแล็บนี้ คุณจะได้สร้างแอปพลิเคชันการค้นหาเวกเตอร์ที่อิงตาม RAG ซึ่งออกแบบมาเพื่อค้นหาของเล่นที่ตรงกับการค้นหาของลูกค้า (ผ่านข้อความและรูปภาพ) สร้างของเล่นที่กําหนดเองตามคําขอของผู้ใช้ และคาดการณ์ราคาของของเล่นที่กําหนดเองโดยใช้ AlloyDB, Gemini, Imagen, LangChain4j และ GenAI Toolbox สําหรับฐานข้อมูล

ในบทแนะนำนี้ คุณจะได้เรียนรู้วิธีกำหนดค่าและตรวจสอบไปป์ไลน์ Vertex AI ของ Private Service Connect

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างคลัสเตอร์ AlloyDB, ติดตั้งใช้งานบริการการดึงข้อมูลฐานข้อมูล GenAI สําหรับฐานข้อมูล และสร้างแอปพลิเคชันตัวอย่างโดยใช้บริการดังกล่าว

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างและทำให้ตัวแทน Generative AI ใช้งานได้โดยใช้เครื่องมือและโครงสร้างพื้นฐานที่มีประสิทธิภาพของ Google Cloud เราจะอธิบายแนวคิดสําคัญและแนะนําขั้นตอนเบื้องต้นในการทำให้ตัวแทนคนแรกพร้อมใช้งาน

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีเรียกใช้เวิร์กโหลด AI/ML ด้วยโปรแกรมเร่งโดยใช้โซลูชันพื้นที่ที่เชื่อถือได้

Cloud Run เป็นแพลตฟอร์มที่มีการจัดการโดยสมบูรณ์ซึ่งช่วยให้คุณเรียกใช้โค้ดบนโครงสร้างพื้นฐานที่ปรับขนาดได้ของ Google ได้โดยตรง Codelab นี้จะสาธิตวิธีเชื่อมต่อแอปพลิเคชัน Next.js ใน Cloud Run กับฐานข้อมูล Cloud SQL สำหรับ PostgreSQL ในบทแนะนำนี้

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงโลจิสติกเพื่อทำความเข้าใจระดับที่ฟีเจอร์ต่างๆ เช่น เพศ กลุ่มอายุ เวลาการแสดงผล และประเภทเบราว์เซอร์ เชื่อมโยงกับแนวโน้มที่ผู้ใช้จะคลิกโฆษณา หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงโลจิสติกเพื่อทำความเข้าใจระดับที่ฟีเจอร์ต่างๆ เช่น เพศ กลุ่มอายุ เวลาการแสดงผล และประเภทเบราว์เซอร์ เชื่อมโยงกับแนวโน้มที่ผู้ใช้จะคลิกโฆษณา หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงเส้นเพื่อสร้างโมเดลที่คาดการณ์ต้นทุนต่อคลิก คุณต้องมีสิ่งต่อไปนี้จึงจะทํา Codelab นี้ให้เสร็จสมบูรณ์ได้ หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์ คุณจะต้องมีข้อมูลแคมเปญคุณภาพสูงเพียงพอเพื่อสร้างโมเดล

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงเส้นเพื่อสร้างโมเดลที่คาดการณ์ต้นทุนต่อคลิก หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์ คุณจะต้องมีข้อมูลแคมเปญคุณภาพสูงเพียงพอเพื่อสร้างโมเดล เรียกใช้การค้นหาต่อไปนี้

ในโค้ดแล็บนี้ คุณจะได้สร้างอินสแตนซ์ Spanner และทำการค้นหาความคล้ายคลึงในเวกเตอร์เชิงลึกโดยใช้การค้นหาเวกเตอร์ในตัวของ Spanner และการผสานรวมกับโมเดล Vertex AI

พัฒนาระบบผู้ช่วยสอนที่ทำงานด้วยระบบ AI ชื่อ "Aidemy" ใน Google Cloud Platform เพื่อแสดงพลังของระบบหลายตัวแทน รับประสบการณ์จริงในการออกแบบ การสร้าง และทำให้ระบบหลายเอเจนต์ที่ซับซ้อนใช้งานได้ใน Google Cloud, เชี่ยวชาญแนวคิดหลักๆ ในการพัฒนาแอปพลิเคชัน LLM และทําความเข้าใจประโยชน์ของสถาปัตยกรรมที่ทำงานตามเหตุการณ์

ในโค้ดแล็บนี้ คุณจะได้สร้างแอปพลิเคชันการค้นหาเวกเตอร์ที่อิงตาม RAG ซึ่งออกแบบมาเพื่อค้นหาของเล่นที่ตรงกับการค้นหาของลูกค้า (ผ่านข้อความและรูปภาพ) สร้างของเล่นที่กําหนดเองตามคําขอของผู้ใช้ และคาดการณ์ราคาของของเล่นที่กําหนดเองโดยใช้ AlloyDB, Gemini, Imagen, LangChain4j และ GenAI Toolbox สําหรับฐานข้อมูล

ในบทแนะนำนี้ คุณจะได้เรียนรู้วิธีกำหนดค่าและตรวจสอบไปป์ไลน์ Vertex AI ของ Private Service Connect

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างคลัสเตอร์ AlloyDB, ติดตั้งใช้งานบริการการดึงข้อมูลฐานข้อมูล GenAI สําหรับฐานข้อมูล และสร้างแอปพลิเคชันตัวอย่างโดยใช้บริการดังกล่าว

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีทำให้ AlloyDB Omni ใช้งานได้บน VM ประมวลผล โหลดข้อมูล และใช้ AlloyDB Columnar Engine เพื่อปรับปรุงประสิทธิภาพ

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีทำให้ AlloyDB Omni ใช้งานได้ในคลัสเตอร์ GKE, ทำให้โมเดล I ใช้งานได้ในคลัสเตอร์เดียวกัน, ลงทะเบียนโมเดลใน AlloyDB Omni และทําให้โมเดลทํางานร่วมกัน

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีใช้ AI ของ AlloyDB ร่วมกับการค้นหาแบบเวกเตอร์ และสร้างดัชนีในข้อมูลเวกเตอร์

ในโค้ดแล็บนี้ คุณจะใช้ฟีเจอร์ช่วยเขียนโค้ดของ Gemini ซึ่งเป็นผู้ทำงานร่วมกันที่ทำงานด้วยระบบ AI ใน Google Cloud คุณจะได้ทำความคุ้นเคยกับวิธีใช้ Gemini Chat และความช่วยเหลือเกี่ยวกับโค้ดในบรรทัดเพื่อสร้างโค้ด ทำความเข้าใจโค้ด และงานเขียนโค้ดอื่นๆ ที่ AI ช่วย

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีใช้การผสานรวม AI ของ Cloud SQL ร่วมกับการค้นหาเวกเตอร์ และสร้างดัชนีในข้อมูลเวกเตอร์

รูปภาพคิดเป็น มากกว่า 60% ของจำนวนไบต์โดยเฉลี่ยที่จำเป็นต่อการโหลดหน้าเว็บ การใช้ AVIF จะช่วยให้รูปภาพมีขนาดเล็กลงและทำให้เว็บไซต์โหลดเร็วขึ้น AVIF คือรูปแบบรูปภาพที่มาจากบิตสตรีมวิดีโอ AV1 AVIF สร้างขึ้นเพื่อประสิทธิภาพการบีบอัด รูปภาพ AVIF

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างและทำให้ตัวแทน Generative AI ใช้งานได้โดยใช้เครื่องมือและโครงสร้างพื้นฐานที่มีประสิทธิภาพของ Google Cloud เราจะอธิบายแนวคิดสําคัญและแนะนําขั้นตอนเบื้องต้นในการทำให้ตัวแทนคนแรกพร้อมใช้งาน

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีเรียกใช้เวิร์กโหลด AI/ML ด้วยโปรแกรมเร่งโดยใช้โซลูชันพื้นที่ที่เชื่อถือได้

Cloud Run เป็นแพลตฟอร์มที่มีการจัดการโดยสมบูรณ์ซึ่งช่วยให้คุณเรียกใช้โค้ดบนโครงสร้างพื้นฐานที่ปรับขนาดได้ของ Google ได้โดยตรง Codelab นี้จะสาธิตวิธีเชื่อมต่อแอปพลิเคชัน Next.js ใน Cloud Run กับฐานข้อมูล Cloud SQL สำหรับ PostgreSQL ในบทแนะนำนี้

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงโลจิสติกเพื่อทำความเข้าใจระดับที่ฟีเจอร์ต่างๆ เช่น เพศ กลุ่มอายุ เวลาการแสดงผล และประเภทเบราว์เซอร์ เชื่อมโยงกับแนวโน้มที่ผู้ใช้จะคลิกโฆษณา หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงโลจิสติกเพื่อทำความเข้าใจระดับที่ฟีเจอร์ต่างๆ เช่น เพศ กลุ่มอายุ เวลาการแสดงผล และประเภทเบราว์เซอร์ เชื่อมโยงกับแนวโน้มที่ผู้ใช้จะคลิกโฆษณา หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงเส้นเพื่อสร้างโมเดลที่คาดการณ์ต้นทุนต่อคลิก คุณต้องมีสิ่งต่อไปนี้จึงจะทํา Codelab นี้ให้เสร็จสมบูรณ์ได้ หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์ คุณจะต้องมีข้อมูลแคมเปญคุณภาพสูงเพียงพอเพื่อสร้างโมเดล

โค้ดแล็บนี้จะสอนวิธีใช้การถดถอยเชิงเส้นเพื่อสร้างโมเดลที่คาดการณ์ต้นทุนต่อคลิก หากต้องการทํา Codelab นี้ให้เสร็จสมบูรณ์ คุณจะต้องมีข้อมูลแคมเปญคุณภาพสูงเพียงพอเพื่อสร้างโมเดล เรียกใช้การค้นหาต่อไปนี้

ในโค้ดแล็บนี้ คุณจะได้สร้างอินสแตนซ์ Spanner และทำการค้นหาความคล้ายคลึงในเวกเตอร์เชิงลึกโดยใช้การค้นหาเวกเตอร์ในตัวของ Spanner และการผสานรวมกับโมเดล Vertex AI

พัฒนาระบบผู้ช่วยสอนที่ทำงานด้วยระบบ AI ชื่อ "Aidemy" ใน Google Cloud Platform เพื่อแสดงพลังของระบบหลายตัวแทน รับประสบการณ์จริงในการออกแบบ การสร้าง และทำให้ระบบหลายเอเจนต์ที่ซับซ้อนใช้งานได้ใน Google Cloud, เชี่ยวชาญแนวคิดหลักๆ ในการพัฒนาแอปพลิเคชัน LLM และทําความเข้าใจประโยชน์ของสถาปัตยกรรมที่ทำงานตามเหตุการณ์

ในโค้ดแล็บนี้ คุณจะได้สร้างแอปพลิเคชันการค้นหาเวกเตอร์ที่อิงตาม RAG ซึ่งออกแบบมาเพื่อค้นหาของเล่นที่ตรงกับการค้นหาของลูกค้า (ผ่านข้อความและรูปภาพ) สร้างของเล่นที่กําหนดเองตามคําขอของผู้ใช้ และคาดการณ์ราคาของของเล่นที่กําหนดเองโดยใช้ AlloyDB, Gemini, Imagen, LangChain4j และ GenAI Toolbox สําหรับฐานข้อมูล

ในบทแนะนำนี้ คุณจะได้เรียนรู้วิธีกำหนดค่าและตรวจสอบไปป์ไลน์ Vertex AI ของ Private Service Connect

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างคลัสเตอร์ AlloyDB, ติดตั้งใช้งานบริการการดึงข้อมูลฐานข้อมูล GenAI สําหรับฐานข้อมูล และสร้างแอปพลิเคชันตัวอย่างโดยใช้บริการดังกล่าว

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีทำให้ AlloyDB Omni ใช้งานได้บน VM ประมวลผล โหลดข้อมูล และใช้ AlloyDB Columnar Engine เพื่อปรับปรุงประสิทธิภาพ

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีทำให้ AlloyDB Omni ใช้งานได้ในคลัสเตอร์ GKE, ทำให้โมเดล I ใช้งานได้ในคลัสเตอร์เดียวกัน, ลงทะเบียนโมเดลใน AlloyDB Omni และทําให้โมเดลทํางานร่วมกัน

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีใช้ AI ของ AlloyDB ร่วมกับการค้นหาแบบเวกเตอร์ และสร้างดัชนีในข้อมูลเวกเตอร์

ในโค้ดแล็บนี้ คุณจะใช้ฟีเจอร์ช่วยเขียนโค้ดของ Gemini ซึ่งเป็นผู้ทำงานร่วมกันที่ทำงานด้วยระบบ AI ใน Google Cloud คุณจะได้ทำความคุ้นเคยกับวิธีใช้ Gemini Chat และความช่วยเหลือเกี่ยวกับโค้ดในบรรทัดเพื่อสร้างโค้ด ทำความเข้าใจโค้ด และงานเขียนโค้ดอื่นๆ ที่ AI ช่วย

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีใช้การผสานรวม AI ของ Cloud SQL ร่วมกับการค้นหาเวกเตอร์ และสร้างดัชนีในข้อมูลเวกเตอร์

รูปภาพคิดเป็น มากกว่า 60% ของจำนวนไบต์โดยเฉลี่ยที่จำเป็นต่อการโหลดหน้าเว็บ การใช้ AVIF จะช่วยให้รูปภาพมีขนาดเล็กลงและทำให้เว็บไซต์โหลดเร็วขึ้น AVIF คือรูปแบบรูปภาพที่มาจากบิตสตรีมวิดีโอ AV1 AVIF สร้างขึ้นเพื่อประสิทธิภาพการบีบอัด รูปภาพ AVIF

ใน Codelab นี้ คุณจะได้เรียนรู้วิธีสร้าง Private Service Connect สำหรับ AlloyDB

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างเครื่องมือสรุปวิดีโอที่ทำงานด้วย Gemini ซึ่งสามารถสรุปวิดีโอ YouTube ได้

ในโค้ดแล็บนี้ คุณจะได้เรียนรู้วิธีสร้าง Private Services Connect สำหรับ Cloud SQL

ในโค้ดแล็บนี้ คุณจะได้สร้างและติดตั้งใช้งานกล่องเครื่องมือสําหรับแอปพลิเคชันการคาดการณ์ราคาที่ใช้ AlloyDB และฟีเจอร์ Generative AI โดยใช้บริการกล่องเครื่องมือ Gen AI สําหรับฐานข้อมูล

แอปพลิเคชัน Gen AI ต้องมีการสังเกตการณ์เช่นเดียวกับแอปพลิเคชันอื่นๆ Generative AI ต้องใช้เทคนิคการสังเกตการณ์พิเศษไหม ในชั้นเรียนนี้ คุณจะได้สร้างแอปพลิเคชัน Generative AI แบบง่าย ทำให้ใช้งานได้ใน Cloud Run

ดูวิธีสร้างเว็บแอปด้วย Firebase Data Connect และ GraphQL

Codelab นี้จะแนะนำการสร้างแอปแนะนำท่าโยคะโดยอิงตามความรู้ แอปจะตอบคำถามของผู้ใช้ด้วยการแนะนำท่าโยคะที่ตรงกัน คุณจะได้เรียนรู้วิธีสร้างคอลเล็กชัน Firestore ของท่าโยคะจากชุดข้อมูล Hugging Face, ตั้งค่าการค้นหาเวกเตอร์ของ Firestore และผสานรวมทุกอย่างไว้ในแอปพลิเคชัน Flask

แอปพลิเคชัน Gen AI ต้องมีการสังเกตการณ์เช่นเดียวกับแอปพลิเคชันอื่นๆ Generative AI ต้องใช้เทคนิคการสังเกตการณ์พิเศษไหม ในชั้นเรียนนี้ คุณจะได้สร้างแอปพลิเคชัน Generative AI แบบง่าย ทำให้ใช้งานได้ใน Cloud Run

แอปพลิเคชัน Gen AI ต้องมีการสังเกตการณ์เช่นเดียวกับแอปพลิเคชันอื่นๆ Generative AI ต้องใช้เทคนิคการสังเกตการณ์พิเศษไหม ในชั้นเรียนนี้ คุณจะได้สร้างแอปพลิเคชัน Generative AI แบบง่าย ทำให้ใช้งานได้ใน Cloud Run

แอปพลิเคชัน Gen AI ต้องมีการสังเกตการณ์เช่นเดียวกับแอปพลิเคชันอื่นๆ Generative AI ต้องใช้เทคนิคการสังเกตการณ์พิเศษไหม ในชั้นเรียนนี้ คุณจะได้สร้างแอปพลิเคชัน Generative AI แบบง่าย ทำให้ใช้งานได้ใน Cloud Run

ในชั้นเรียนนี้ คุณจะใช้ผลิตภัณฑ์ Generative AI ของ Google เพื่อสร้างโครงสร้างพื้นฐานใน Google Cloud ด้วยความช่วยเหลือของ Gemini Cloud Assist, ค้นหาข้อมูล BigQuery โดยใช้ภาษาที่เป็นธรรมชาติกับฟีเจอร์ SQL ของ Data Canvas, เขียนโค้ดใน Jupyter Notebook

ในโค้ดแล็บนี้ คุณจะได้สร้างแอปการค้นหาท่าโยคะตามบริบทที่ขับเคลื่อนโดยความรู้ ซึ่งออกแบบมาเพื่อตอบคําถามของผู้ใช้เกี่ยวกับท่าโยคะให้ตรงกับคําถาม รวมถึงยังช่วยให้คุณทำงานด้านการดูแลระบบได้ เช่น การสร้างและแก้ไขท่าโยคะ