Ce module commence par un cas d'utilisation illustrant les fonctionnalités d'IA. Il présente ensuite les éléments de base de l'IA, comme l'infrastructure cloud de calcul et de stockage. Il aborde également les données et produits de développement d'IA principaux sur Google Cloud. Enfin, il explique comment utiliser BigQuery ML pour créer un modèle de ML afin de faciliter la transition des données vers l'IA.

Ce module explore les différentes options permettant de développer un projet de ML sur Google Cloud : les solutions prêtes à l'emploi telles que les API pré-entraînées, les solutions sans code ou nécessitant peu de code comme AutoML, ou encore les solutions basées sur du code telles que l'entraînement personnalisé. Il compare les avantages et les inconvénients de chaque option pour aider les utilisateurs à choisir les outils de développement adéquats.

Ce module présente l'intégralité d'un workflow de ML : préparation des données, développement du modèle et inférence sur Vertex AI. Il explique également comment convertir le workflow en pipeline automatisé en utilisant Vertex AI Pipelines.

Ce module présente l'IA générative, la dernière avancée en matière d'IA, et les kits d'outils essentiels au développement de projets d'IA générative. Pour commencer, il examine le workflow de l'IA générative sur Google Cloud. Il explique ensuite comment utiliser Gen AI Studio et Model Garden pour accéder à Gemini multimodal, concevoir des requêtes et régler les modèles. Enfin, il présente les fonctionnalités d'IA générative intégrées aux solutions d'IA.

Ce module propose une synthèse du cours articulée autour des concepts, outils, technologies et produits les plus importants.