Codelab ini memandu Anda membuat aplikasi perekomendasikan postur Yoga berbasis pengetahuan. Aplikasi ini menjawab pertanyaan pengguna dengan menyarankan postur yoga yang cocok. Anda akan mempelajari cara membuat Koleksi Firestore pose yoga dari set data Hugging Face, menyiapkan Firestore Vector Search, dan mengintegrasikan semuanya ke dalam aplikasi Flask.

Codelab ini memandu Anda membuat aplikasi perekomendasikan postur Yoga berbasis pengetahuan. Aplikasi ini menjawab pertanyaan pengguna dengan menyarankan postur yoga yang cocok. Anda akan mempelajari cara membuat Koleksi Firestore pose yoga dari set data Hugging Face, menyiapkan Firestore Vector Search, dan mengintegrasikan semuanya ke dalam aplikasi Node.js.

Pelajari cara menjalankan Tugas Cloud Run sesuai jadwal di dalam perimeter VPC SC menggunakan Cloud Scheduler dan layanan Cloud Run

Pelajari cara menjalankan difusi stabil di GPU Cloud Run

cara memulai fungsi Cloud Run berbasis peristiwa

Pelajari cara menjalankan difusi stabil di GPU Cloud Run

Dalam codelab ini, Anda akan mempelajari cara men-deploy Wagtail menggunakan komponen serverless: Cloud Run untuk mesin web, Cloud SQL untuk database, dan Cloud Build untuk aset media.

Dalam codelab ini, Anda akan mempelajari cara men-deploy Django menggunakan komponen serverless: Cloud Run untuk mesin web, Cloud SQL untuk database, dan Cloud Build untuk aset media.

Pelajari cara menggunakan revisi di fungsi Cloud Run untuk melakukan pemisahan traffic, peluncuran bertahap, dan rollback.

Pelajari apa saja yang baru di Gemini Code Assist Enterprise, dan bagaimana Gemini dapat membantu organisasi Anda membangun solusi dengan Google Cloud.

Dalam codelab ini, Anda akan menggunakan Vertex AI untuk membuat kuis trivia sesuai dengan beberapa spesifikasi yang diberikan. Anda akan menguji generator kuis di lingkungan developer yang dihosting cloud, lalu menyediakannya untuk publik dengan men-deploy-nya ke Google Cloud Run. Di akhir lab, Anda akan mengintegrasikan generator kuis dengan aplikasi lengkap.

cara mulai menggunakan fungsi Cloud Run berbasis peristiwa

Pelajari cara menggunakan Ollama sebagai file bantuan dengan GPU Cloud Run dan Open WebUI sebagai container ingress frontend

Dalam codelab ini, Anda akan mempelajari cara membuat Add-on Google Workspace menggunakan Node.js dan Cloud Run.

Kami akan membuat aplikasi Computer Vision menggunakan Spring Boot dan Java, yang memungkinkan Anda membuka potensi pengenalan dan analisis citra dalam project Anda.

Pelajari cara mulai menggunakan fungsi Cloud Run

Pelajari cara membuat layanan Cloud Run yang berkomunikasi dengan file bantuan menggunakan port localhost dan pemasangan volume.

Mengembangkan aplikasi chat menggunakan framework Python Flask dan model PaLM API Vertex AI.

Pelajari cara menjalankan inferensi LLM di GPU Cloud Run dengan vLLM dan OpenAI Python SDK

Pelajari cara men-deploy framework JavaScript seperti Angular, Nuxt.js, dan Next.js ke Cloud Run.

Pelajari cara mengonfigurasi layanan Cloud Run untuk mengakses layanan Cloud Run internal menggunakan traffic keluar VPC langsung.

Pelajari cara membuat layanan Cloud Run yang mendeskripsikan gambar di setiap adegan dalam video menggunakan Vertex AI dan Video Intelligence API.

Pelajari cara membuat tugas Cloud Run yang mendeskripsikan gambar di setiap adegan dalam video menggunakan Vertex AI dan Video Intelligence API.

Pelajari cara mengakses layanan Cloud Run masuk khusus internal menggunakan traffic keluar VPC langsung sambil mempertahankan akses Internet publik

Pelajari cara membuat kueri ke Vertex AI Search dari layanan Cloud Run.

Pelajari cara men-deploy percakapan yang didukung Gemini di Cloud Run menggunakan express.js, htmx, dan tailwindCSS.

Cara men-deploy perubahan secara otomatis dari GitHub ke Cloud Run menggunakan Cloud Build

Cara menggunakan Cloud Run sebagai endpoint untuk Panggilan Fungsi Gemini.

Kita akan menggunakan Gemini untuk membantu pembuatan aplikasi peringkasan bookshelf yang sekadar membawa data BigQuery ke web dan di-deploy di Cloud Run.

In this codelab, you’ll learn how to deploy Django CMS using serverless components: Cloud Run for the web engine, Cloud SQL for the database, and Cloud Build for the media assets.