#Google Cloud

此资源库提供关于在Google Cloud上使用Generative AI的指南和示例，包括笔记本、代码样本和应用程序示例，帮助用户开发和管理生成式AI工作流。

跨平台全栈应用开发的高效解决方案，整合了Gemini AI和谷歌云技术，支持广泛的编程语言和框架，优化开发流程。

本课程帮助学员了解如何将生成式AI技术应用于实际项目，涵盖从云平台注册到生成式AI模型的集成与优化的全过程。内容包括微软Azure和Google Cloud的AI服务注册、生成技术工程（GenEng）的实践技巧，以及利用LangChain、Pinecone等开源工具开发和部署大型语言模型（LLM）。适合开发者、数据科学家和对生成式AI技术有兴趣的学习者。

此仓库包含用于演示如何使用、开发和管理Google Cloud Vertex AI平台的笔记本、代码示例和应用程序。无论是Vertex AI初学者，还是有经验的机器学习从业者，都可以在这里找到相关资源。用户可以探索、学习并贡献内容，以充分发挥机器学习的潜力。笔记本可以在Colab或Vertex AI Workbench中运行，方便用户详细了解每个服务的使用方法。

本项目提供了适用于 Google Chat 应用开发的代码示例，支持 Java、Python 和多种 JavaScript 平台（如客户端、服务器端、Google Apps Script 和 Google Cloud Functions）。开发者可以找到相应的示例代码，如基本应用、异步应用、Pub/Sub 应用、卡片应用和投票应用。每个示例都包含详细的 README 文件以指导设置和运行，适用于 Google Workspace 账户。

该项目由Google Cloud的Advanced Solutions Lab团队维护，提供包含在Vertex AI上运行的Jupyter笔记本。内容涵盖多种模型架构和数据模态，包括DNN、CNN、RNN和transformers，主要使用TensorFlow和Keras实现。还介绍如何在Vertex AI上进行模型训练、调优和服务。项目结构清晰，用户可通过练习和解决方案目录提高编程技能。

PyTorch/XLA 是一个将 PyTorch 深度学习框架与 XLA 编译器及 Cloud TPUs 连接的 Python 包，提供高效的训练和推理解决方案。用户可以通过 Kaggle 免费试用，并安装支持 TPU 和 GPU 的插件包。项目提供详细的文档和教程，包括使用指南、性能调优方法和 Docker 镜像使用说明。鼓励用户通过 issue 提交反馈和建议，欢迎开源贡献。

本项目汇集了多个Google Cloud Document AI应用示例和工具。涵盖文档分析、分类和搜索等功能，包括Google Drive集成、仓库处理、批量导入和内容审核等实用工具。还提供PDF处理、语言提取和表格数据提取等功能示例。项目中的Web应用演示支持表单、发票和OCR处理。这些资源有助于开发者学习和实践Document AI技术。

FeedGen是一款开源工具，利用Google Cloud的大型语言模型优化购物信息流。它能改进产品标题、生成全面描述，并填补缺失属性。FeedGen支持零样本和少样本推理，可根据用户数据定制输出，提高质量和一致性。该工具可处理高达3万个商品，并提供评分系统验证生成内容。FeedGen为商家和广告主提供了一种简单可配置的方式来提升信息流质量。

这个开源项目提供了Google Cloud应用AI工程的参考资料，包括Vertex AI生成式AI模型的使用指南和Google Cloud AI/ML基础设施的最佳实践。项目包含代码示例、实践实验和蓝图，旨在帮助开发者更好地利用Google Cloud的AI能力，适用于大规模AI/ML工作负载。

这个开源项目展示了Google Cloud生成式AI在营销领域的应用。项目提供了从环境配置到实际使用的详细指南，涵盖营销洞察、受众分析、趋势发现和内容生成等功能。通过整合Vertex AI、BigQuery和Workspace等服务，项目旨在提升营销效率，支持数据驱动决策。项目还包含多个Jupyter笔记本，用于演示核心概念。此外，项目集成了Looker仪表板用于数据可视化，以及Vertex AI Search用于改进内容搜索体验。整体架构设计支持从数据分析到内容生成的全流程营销优化。