Ce module commence par un cas d'utilisation démontrant les capacités de l'IA. Il se concentre ensuite sur l'infrastructure IA comme le calcul et le stockage. Il explique également les données primaires et les produits de développement de l'IA sur Google Cloud. Enfin, il montre comment utiliser BigQuery ML pour construire un modèle de ML, ce qui permet de passer des données à l'IA.

Ce module présente l'IA générative (gen IA), la dernière avancée en matière d'IA, et les boîtes à outils de Google Cloud pour développer des projets d'IA générative. Il commence par examiner les modèles de base. Il étudie ensuite le cycle de vie de la requête à la production avec Vertex IA Studio, y compris l'ingénierie de la requête, le déploiement de l'application et l'ajustement du modèle. En outre, ce module explore les agents IA et la pile complète d'outils de développement d'agents IA de Google.

Ce module explore les différentes options de développement d'un projet IA sur Google Cloud, des solutions prêtes à l'emploi comme les API préformées, aux solutions sans code et à faible code comme AutoML, en passant par les solutions basées sur le code comme la formation personnalisée. Il compare les avantages et les inconvénients de chaque option pour aider à décider des bons outils de développement.

Ce module présente le flux de travail de ML, de la préparation des données au développement de modèles et au service de modèles sur Vertex AI. Il montre également comment convertir le flux de travail en un pipeline automatisé à l'aide de Vertex AI Pipelines.

Cette leçon résume le cours en abordant les concepts, outils, technologies et produits les plus importants pour chaque module.