ปลดล็อกความเป็นไปได้ใหม่ๆ ด้วยคำแนะนำจากผู้เชี่ยวชาญ

หากต้องการทดลองใช้ Gemini

หาวิธีที่ดีที่สุดในการใช้โซลูชันและแหล่งข้อมูลการผสานรวมเหล่านี้

หากมีความท้าทายในเรื่องใดเรื่องหนึ่ง

ค้นหาแหล่งข้อมูลที่เกี่ยวข้องกับการแก้ปัญหาที่เกี่ยวข้องโดยใช้ตัวกรองและแถบค้นหา

กรองตาม

หัวข้อ
ผลิตภัณฑ์

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