Questo modulo inizia con un caso d'uso che dimostra le funzionalità di AI. Quindi esplora gli elementi di base dell'AI, inclusa l'infrastruttura cloud, come computing e archiviazione. Illustra inoltre i principali dati e prodotti di sviluppo dell'AI disponibili su Google Cloud. Infine, dimostra come utilizzare BigQuery ML per creare un modello di ML, che facilita la transizione dai dati all'AI.

Questo modulo esplora le varie opzioni per lo sviluppo di un progetto ML su Google Cloud, da soluzioni già pronte come API preaddestrate, fino a soluzioni no-code e low-code come AutoML e soluzioni basate su codice come l'addestramento personalizzato. Confronta i vantaggi e gli svantaggi di ciascuna opzione per aiutare a decidere gli strumenti di sviluppo giusti.

Questo modulo descrive il flusso di lavoro ML dalla preparazione dei dati, allo sviluppo del modello, alla pubblicazione del modello su Vertex AI. Illustra inoltre come convertire il flusso di lavoro in una pipeline automatizzata utilizzando Vertex AI Pipelines.

Questo modulo illustra l'AI generativa, i progressi più recenti nel campo dell'AI e i toolkit essenziali per lo sviluppo di progetti di AI generativa. Inizialmente, analizza il flusso di lavoro dell'AI generativa su Google Cloud. Quindi, prosegue spiegando come utilizzare Gen AI Studio e Model Garden per accedere a Gemini multimodal, progettare prompt e ottimizzare modelli. Infine, esplora le funzionalità di AI generativa integrate nelle soluzioni di AI.

Questo modulo fornisce un riepilogo dell'intero corso ripercorrendo i concetti, gli strumenti, le tecnologie e i prodotti più importanti.