Reliable Google Cloud Infrastructure: Design and Process - Español
Earned jul 6, 2023 EDT
Developing a Google SRE Culture - Español
Earned jul 2, 2023 EDT
Google Cloud Fundamentals: Core Infrastructure - Español
Earned jun 1, 2023 EDT
Perform Foundational Infrastructure Tasks in Google Cloud
Earned may 13, 2023 EDT
Google Cloud Essentials
Earned feb 8, 2023 EST
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
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
Más información
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
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
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
Este curso presenta las ofertas de inteligencia artificial (IA) y aprendizaje automático (AA) en Google Cloud que admiten el ciclo de vida de datos a IA a través de las bases de la IA, el desarrollo de la IA y las soluciones de IA. En él, se exploran las tecnologías, los productos y las herramientas disponibles para crear modelos y canalizaciones de AA, así como proyectos de IA generativa en función de los diferentes objetivos de los usuarios, como científicos de datos, ingenieros de AA y desarrolladores de IA.
Más información
Complete the introductory Implement Load Balancing on Compute Engine skill badge to demonstrate skills in the following: writing gcloud commands and using Cloud Shell, creating and deploying virtual machines in Compute Engine, and configuring network and HTTP load balancers. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
Más información
En este curso, los alumnos aprenderán a crear soluciones altamente confiables y eficientes en Google Cloud mediante patrones de diseño comprobados. Es la continuación de los cursos Architecting with Google Compute Engine o Architecting with Google Kubernetes Engine. Se presupone que los equipos tienen experiencia práctica con las tecnologías que se abordan en cualquiera de esos cursos. Mediante una serie de presentaciones, actividades de diseño y labs prácticos, los participantes aprenderán a definir y equilibrar los requisitos comerciales y técnicos para diseñar implementaciones de Google Cloud altamente confiables y disponibles, así como seguras y rentables.
Más información
En muchas organizaciones de TI, los incentivos no se alinean con los desarrolladores, que buscan agilidad, y los operadores, que se enfocan en la estabilidad. La ingeniería de confiabilidad de sitios (SRE) es el enfoque que usa Google para alinear los incentivos entre los equipos de desarrollo y operaciones, y brindar asistencia en la producción de servicios fundamentales. Adoptar las prácticas técnicas y culturales de la SRE puede ayudar a mejorar la colaboración entre las empresas y sus departamentos de TI. En este curso se presentan las prácticas clave de la SRE de Google y la función importante que tienen los líderes empresariales y de TI en el éxito de la adopción organizacional de este enfoque.
Más información
Google Cloud Fundamentals: Core Infrastructure presenta conceptos y terminología importantes para trabajar con Google Cloud. Mediante videos y labs prácticos, en este curso se presentan y comparan muchos de los servicios de procesamiento y almacenamiento de Google Cloud, junto con importantes recursos y herramientas de administración de políticas.
Más información
Si es un desarrollador principiante de soluciones en la nube que busca adquirir experiencia práctica además de la que le proporciona Getting Started - Create and Manage Cloud Resources, esta Quest es ideal para usted. Los labs que se integran a Cloud Storage y otros servicios de aplicaciones clave como Stackdriver y Cloud Functions le permitirán lograrlo. Si realiza esta Quest, desarrollará habilidades valiosas que pueden aplicarse a cualquier iniciativa de GCP. Completa esta búsqueda, incluido el laboratorio de desafío al final, para recibir una insignia digital exclusiva de Google Cloud. En los videos de 1 minuto, se le explicarán los conceptos clave de estos labs.
Más información
En esta Quest de nivel básico, adquirirá experiencia práctica en las herramientas y los servicios fundamentales de Google Cloud Platform. GCP Essentials es la primera Quest recomendada para el estudiante de Google Cloud. Ingresará con poco o ningún conocimiento previo sobre la nube, y saldrá con experiencia práctica que podrá aplicar a su primer proyecto de GCP. Desde la escritura de comandos de Cloud Shell y la implementación de su primera máquina virtual hasta la ejecución de aplicaciones en Kubernetes Engine o mediante el balanceo de cargas, GCP Essentials es una excelente introducción a las funciones básicas de la plataforma. En los videos de 1 minuto, se le explicarán los conceptos clave de cada lab.
Machine Learning Operations (MLOps): Getting Started - Español
Earned abr 7, 2024 EDT
Recommendation Systems on Google Cloud
Earned abr 3, 2024 EDT
Natural Language Processing on Google Cloud
Earned mar 26, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned mar 25, 2024 EDT
Production Machine Learning Systems - Español
Earned mar 23, 2024 EDT
Machine Learning in the Enterprise - Español
Earned mar 20, 2024 EDT
Feature Engineering - Español
Earned mar 9, 2024 EST
TensorFlow on Google Cloud - Español
Earned mar 5, 2024 EST
Launching into Machine Learning - Español
Earned feb 26, 2024 EST
Introduction to AI and Machine Learning on Google Cloud - Español
Earned feb 18, 2024 EST
Implement Load Balancing on Compute Engine
Earned jul 6, 2023 EDT
Reliable Google Cloud Infrastructure: Design and Process - Español
Earned jul 6, 2023 EDT
Developing a Google SRE Culture - Español
Earned jul 2, 2023 EDT
Google Cloud Fundamentals: Core Infrastructure - Español
Earned jun 1, 2023 EDT
Perform Foundational Infrastructure Tasks in Google Cloud
Earned may 13, 2023 EDT
Google Cloud Essentials
Earned feb 8, 2023 EST