To ćwiczenie w Codelab poprowadzi Cię przez proces tworzenia aplikacji do rekomendowania pozycji jogi opartej na wiedzy. Aplikacja odpowiada na pytania użytkowników, sugerując odpowiednie pozycje jogi. Dowiesz się, jak utworzyć kolekcję Firestore zawierającą pozycje jogi na podstawie zbioru danych Hugging Face, skonfigurować wyszukiwanie wektorów w Firestore i zintegrować wszystko z aplikacją Flask.

To ćwiczenie w Codelab poprowadzi Cię przez proces tworzenia aplikacji do rekomendowania pozycji jogi opartej na wiedzy. Aplikacja odpowiada na pytania użytkowników, sugerując odpowiednie pozycje jogi. Dowiesz się, jak utworzyć kolekcję Firestore zawierającą pozycje jogi na podstawie zbioru danych Hugging Face, skonfigurować wyszukiwanie wektorów w Firestore i zintegrować wszystko z aplikacją Node.js.

Dowiedz się, jak uruchamiać zadanie Cloud Run zgodnie z harmonogramem w obrębie granicy usługi VPC przy użyciu usługi Cloud Scheduler i usługi Cloud Run

jak zacząć korzystać z funkcji Cloud Run uruchamianych po wystąpieniu zdarzenia.

Dowiedz się, jak uruchomić stabilną dyfuzję na GPU w Cloud Run

W tym laboratorium z kodami dowiesz się, jak wdrażać Wagtail za pomocą komponentów bezserwerowych: Cloud Run dla silnika internetowego, Cloud SQL dla bazy danych i Cloud Build dla zasobów multimedialnych.

Dowiedz się, jak uruchomić stabilną dyfuzję na GPU w Cloud Run

Z tego ćwiczenia w programie dowiesz się, jak wdrożyć Django za pomocą komponentów bezserwerowych: Cloud Run dla silnika internetowego, Cloud SQL dla bazy danych i Cloud Build do obsługi zasobów medialnych.

Dowiedz się, jak używać wersji w funkcjach Cloud Run do podziału ruchu, wdrażania stopniowego i przywracania poprzedniej wersji.

Dowiedz się, co nowego w Gemini Code Assist Enterprise i jak może ono pomóc Twojej organizacji w tworzeniu treści z Google Cloud.

Użyjemy Gemini, żeby utworzyć aplikację do podsumowywania półki na książki, która po prostu przenosi dane BigQuery do internetu i wdroży ją w Cloud Run.

W ramach tych ćwiczeń w programie użyjesz Vertex AI, aby wygenerować quiz z pewnością zgodnie z określoną specyfikacją. Przetestujesz generator testów w środowisku programistycznym hostowanym w chmurze, a następnie udostępnisz go publicznie, wdrażając w Google Cloud Run. Na koniec modułu zintegrujesz generator quizów z kompletną aplikacją.

jak zacząć korzystać z opartych na zdarzeniach funkcji Cloud Run

Dowiedz się, jak używać Ollama jako aplikacji pomocniczej z procesorami graficznymi Cloud Run i z Open WebUI jako kontenera ruchu przychodzącego frontendu

Z tego ćwiczenia w Codelabs dowiesz się, jak utworzyć dodatek do Google Workspace przy użyciu Node.js i Cloud Run.

Stworzymy aplikację do rozpoznawania obrazów przy użyciu Spring Boot i Javy. Pozwoli Ci to w pełni wykorzystać potencjał rozpoznawania i analizy obrazów w Twoich projektach.

Z tego samouczka dowiesz się, jak zacząć korzystać z Cloud Run przez wdrożenie i uruchomienie bezstanowego kontenera bez serwera (z pominięciem infrastruktury). Cloud Run oferuje opcję w pełni zarządzaną oraz możliwość uruchamiania w ramach klastra GKE.

W tym module z kodem utworzysz usługę w języku Java, korzystając z oferowanej przez Google pomocy dotyczącej bibliotek natywnych klienta Java, i wdrożysz ją w Cloud Run. Usługa uruchamia analizę obrazów za pomocą interfejsu Vision API w odpowiedzi na zdarzenia w Cloud Storage i zapisuje wyniki analizy w kolekcji Firestore.

W tym ćwiczeniu w Codelabs poznasz główne funkcje Eventarc.

W tym module z kodem utworzysz usługę w języku Java, korzystając z oferowanej przez Google pomocy dotyczącej bibliotek natywnych klienta Java, i wdrożysz ją w Cloud Run. Usługa uruchamia analizę obrazów za pomocą interfejsu Vision API w odpowiedzi na zdarzenia w Cloud Storage i zapisuje wyniki analizy w kolekcji Firestore.

Dzięki temu ćwiczeniu w programowaniu dowiesz się, jak wdrożyć system Django CMS przy użyciu komponentów bezserwerowych: Cloud Run dla silnika internetowego, Cloud SQL dla bazy danych i Cloud Build do obsługi zasobów medialnych.

Dowiedz się, jak zacząć korzystać z funkcji w Cloud Run

Dowiedz się, jak utworzyć usługę Cloud Run, która komunikuje się z plikiem pomocniczym za pomocą portu lokalnego hosta i punktu montowania woluminu.

Nauczysz się tworzyć aplikacje do obsługi czatu przy użyciu platformy Python Flask i modelu interfejsu Vertex AI PaLM API.

Dowiedz się, jak za pomocą Vertex AI i interfejsu Video Intelligence API utworzyć zadanie Cloud Run opisujące obraz w każdej scenie w filmie.

Dowiedz się, jak uruchamiać wnioskowanie dla modeli LLM na GPU w Cloud Run za pomocą vLLM i pakietu SDK OpenAI Python

Dowiedz się, jak wdrażać w Cloud Run platformy JavaScript, takie jak Angular, Nuxt.js i Next.js.

Dowiedz się, jak skonfigurować usługę Cloud Run, aby uzyskać dostęp do wewnętrznej usługi Cloud Run przy użyciu bezpośredniego ruchu wychodzącego VPC.

Dowiedz się, jak utworzyć usługę w Cloud Run opisującą obraz w każdej scenie w filmie za pomocą Vertex AI i interfejsu Video Intelligence API.

Dowiedz się, jak utworzyć zapytanie do Vertex AI Search z usługi Cloud Run.

Dowiedz się, jak wdrożyć czat oparty na Gemini w Cloud Run za pomocą plików express.js, htmx i tailwindCSS.

Dowiedz się, jak uzyskać dostęp do usługi Cloud Run ruchu przychodzącego tylko do użytku wewnętrznego przy użyciu bezpośredniego ruchu wychodzącego VPC przy zachowaniu publicznego dostępu do internetu

Jak automatycznie wdrażać zmiany z GitHuba w Cloud Run za pomocą Cloud Build

Jak używać Cloud Run jako punktu końcowego dla wywołań funkcji Gemini.