Unirse Acceder

Daniela Zamora

Miembro desde 2024

Liga de Diamantes

22305 puntos
Insignia de Natural Language Processing on Google Cloud Natural Language Processing on Google Cloud Earned abr 7, 2024 EDT
Insignia de Machine Learning Operations (MLOps) with Vertex AI: Manage Features - Español Machine Learning Operations (MLOps) with Vertex AI: Manage Features - Español Earned mar 23, 2024 EDT
Insignia de Machine Learning Operations (MLOps): Getting Started - Español Machine Learning Operations (MLOps): Getting Started - Español Earned mar 23, 2024 EDT
Insignia de Computer Vision Fundamentals with Google Cloud Computer Vision Fundamentals with Google Cloud Earned mar 18, 2024 EDT
Insignia de Production Machine Learning Systems - Español Production Machine Learning Systems - Español Earned mar 10, 2024 EDT
Insignia de Contact Center AI: Conversational Design Fundamentals Contact Center AI: Conversational Design Fundamentals Earned feb 18, 2024 EST
Insignia de Machine Learning in the Enterprise - Español Machine Learning in the Enterprise - Español Earned feb 15, 2024 EST
Insignia de Feature Engineering - Español Feature Engineering - Español Earned feb 7, 2024 EST
Insignia de TensorFlow on Google Cloud - Español TensorFlow on Google Cloud - Español Earned feb 1, 2024 EST
Insignia de Launching into Machine Learning - Español Launching into Machine Learning - Español Earned ene 24, 2024 EST

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

Más información

En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los estudiantes obtendrán experiencia práctica con la transferencia de transmisión de Vertex AI Feature Store en la capa de SDK.

Más información

En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.

Más información

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

Más información

En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.

Más información

Welcome to "CCAI Conversational Design Fundamentals", the first course in the "Customer Experiences with Contact Center AI" series. In this course, learn how to design customer conversational solutions using Contact Center Artificial Intelligence (CCAI). You will be introduced to CCAI and its three pillars (Dialogflow, Agent Assist, and Insights), and the concepts behind conversational experiences and how the study of them influences the design of your virtual agent. After taking this course you will be prepared to take your virtual agent design to the next level of intelligent conversation.

Más información

Este curso abarca un enfoque práctico y real sobre el flujo de trabajo del AA: Se trata del caso de éxito de un equipo de AA que trabaja con varios requisitos empresariales y casos de uso de AA. Este equipo debe comprender las herramientas necesarias para la administración de los datos y considerar el mejor enfoque para su procesamiento previo, lo que abarca desde proporcionar una descripción general de Dataflow y Dataprep hasta utilizar BigQuery para las tareas de procesamiento previo. Al equipo se le presentan tres opciones con las que pueden crear modelos de aprendizaje automático para dos casos de uso específicos. En este curso, se explica por qué el equipo utilizaría AutoML, BigQuery ML o el entrenamiento personalizado para lograr sus objetivos. Además, se profundiza en el entrenamiento personalizado. Describimos los requisitos del entrenamiento personalizado, lo que incluye la estructura del código de entrenamiento, el almacenamiento, la carga de grandes conjuntos de datos y …

Más información

¿Desea saber sobre Vertex AI Feature Store? ¿Desea saber cómo mejorar la exactitud de los modelos de AA o averiguar qué columnas de datos crean los atributos más útiles? Le damos la bienvenida a Feature Engineering, donde analizaremos los atributos buenos y malos, y cómo se los puede procesar previamente y transformar para aprovecharlos al máximo en sus modelos. El curso incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.

Más información

En este curso, se explica cómo diseñar y crear una canalización de datos de entrada de TensorFlow 2.x, cómo desarrollar modelos de AA con TensorFlow 2.x y Keras, cómo mejorar la exactitud de los modelos de AA, cómo escribir modelos de AA para uso escalado y cómo escribir modelos de AA especializados.

Más información

El curso comienza con un debate sobre los datos: cómo mejorar la calidad de los datos y cómo realizar análisis exploratorios de datos. Describimos Vertex AI AutoML y cómo compilar, entrenar y, luego, implementar un modelo de AA sin escribir ni una sola línea de código Conocerá los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.

Más información