Google Gemini & Vertex AI - IA générative sur Google Cloud

Objectifs

Maîtriser l'IA générative avec Google Gemini et Vertex AI : prompting avancé, RAG, agents IA et déploiement d'applications génératrices sur Google Cloud.

Objectifs pédagogiques :

• Utiliser les modèles Gemini (Pro, Flash, Ultra) via l'API Google Cloud.


• Mettre en œuvre des techniques de prompting avancé et chain-of-thought.


• Construire un pipeline RAG avec Vertex AI Search et Vector Search.


• Développer des agents IA avec Vertex AI Agent Builder.


• Déployer et monitorer des applications IA génératives en production.

• IA générative avec Gemini


• Vertex AI Studio et Agent Builder


• RAG et recherche sémantique


• Déploiement d'applications IA sur Google Cloud


• Prompting avancé et évaluation

Description

Durée : 2 jour(s), soit 14 heures. Formation animée par un formateur expert du domaine, alternant apports théoriques et travaux pratiques. Programme adaptable aux besoins du commanditaire.
Module 1 — Gemini & IA générative — fondamentaux (0,5 jour)

Contenus :

• Panorama des modèles Gemini (Pro, Flash, Ultra, Nano)


• Vertex AI Studio : playground et évaluation


• Prompting avancé : few-shot, chain-of-thought, ReAct


• Sécurité, gouvernance et IA responsable

• Lab : exploration Gemini Pro via Vertex AI Studio

• Maîtriser les modèles Gemini et les techniques de prompting

• Embeddings et bases vectorielles (Vertex AI Vector Search)


• Vertex AI Search : indexation et retrieval


• Construction d'un pipeline RAG avec LangChain


• Évaluation de la qualité des réponses

• Lab : pipeline RAG sur documents métier avec Gemini

• Construire un système RAG opérationnel sur Google Cloud

• Vertex AI Agent Builder : création et orchestration


• Function calling et tool use avec Gemini


• Intégration avec Google Workspace (Docs, Sheets, Gmail)


• Multi-agents et patterns d'orchestration

• Lab : agent IA métier avec Vertex AI Agent Builder

• Développer et orchestrer des agents IA avec Gemini

• Déploiement d'API Gemini sur Cloud Run


• Monitoring et observabilité (Cloud Logging, latence, coûts)


• Optimisation des coûts : caching, batch, modèles légers


• Sécurité applicative et guardrails

• Lab : déploiement et monitoring d'une app Gemini en production

• Déployer et opérer une application IA générative en production

Conditions d'accès

Python requis. Notions de cloud appreciees. Aucune experience ML obligatoire. Un entretien de positionnement valide le profil avant l entree en formation.

Rythme

Temps plein, Temps partiel, Cours du soir, Cours le week-end, Formation hors temps de travail