Gabung Login

Terapkan keterampilan Anda di Konsol Google Cloud

Jonathan Muwanguzi

Menjadi anggota sejak 2023

Diamond League

46810 poin
Machine Learning Operations (MLOps) with Vertex AI: Manage Features Earned Jan 8, 2024 EST
Machine Learning Operations (MLOps): Getting Started Earned Jan 8, 2024 EST
Recommendation Systems on Google Cloud Earned Jan 8, 2024 EST
Natural Language Processing on Google Cloud Earned Jan 6, 2024 EST
Machine Learning in the Enterprise Earned Jan 5, 2024 EST
Feature Engineering Earned Jan 5, 2024 EST
Build, Train and Deploy ML Models with Keras on Google Cloud Earned Jan 5, 2024 EST
Launching into Machine Learning Earned Jan 3, 2024 EST
Pengantar AI dan Machine Learning di Google Cloud Earned Jan 3, 2024 EST
Penjelajah AI Generatif - Vertex AI Earned Jan 1, 2024 EST
Pengantar Vertex AI Studio Earned Jan 1, 2024 EST
Membuat Model Pemberian Teks pada Gambar Earned Jan 1, 2024 EST
Arsitektur Encoder-Decoder Earned Jan 1, 2024 EST
Model Transformer dan Model BERT Earned Jan 1, 2024 EST
Mekanisme Atensi Earned Jan 1, 2024 EST
Pengantar Pembuatan Gambar Earned Jan 1, 2024 EST
Manage Data Models in Looker Earned Des 31, 2023 EST
Applying Advanced LookML Concepts in Looker Earned Des 30, 2023 EST
Membuat Model ML dengan BigQuery ML Earned Des 10, 2023 EST
Preparing for Your Professional Cloud Network Engineer Journey Earned Des 8, 2023 EST
Preparing for your Professional Data Engineer Journey Earned Okt 26, 2023 EDT
Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML Earned Okt 20, 2023 EDT
Membangun Data Warehouse dengan BigQuery Earned Okt 17, 2023 EDT
Menyiapkan Data untuk ML API di Google Cloud Earned Okt 16, 2023 EDT
Serverless Data Processing with Dataflow: Foundations Earned Okt 12, 2023 EDT
Building Resilient Streaming Analytics Systems on Google Cloud Earned Okt 12, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Okt 9, 2023 EDT
Building Batch Data Pipelines on Google Cloud Earned Okt 9, 2023 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud Earned Sep 30, 2023 EDT

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Learners will get hands-on practice using Vertex AI Feature Store's streaming ingestion at the SDK layer.

Pelajari lebih lanjut

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

Pelajari lebih lanjut

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

Pelajari lebih lanjut

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Pelajari lebih lanjut

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Pelajari lebih lanjut

Kursus ini memperkenalkan penawaran AI dan machine learning (ML) di Google Cloud yang membangun project AI prediktif dan generatif. Kursus ini akan membahas teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang mencakup fondasi, pengembangan, dan solusi AI. Kursus ini bertujuan membantu data scientist, developer AI, dan engineer ML meningkatkan keterampilan dan pengetahuan mereka melalui pengalaman belajar yang menarik dan latihan praktik langsung.

Pelajari lebih lanjut

Kursus Penjelajah AI Generatif - Vertex AI adalah sekumpulan lab yang membahas cara menggunakan AI Generatif di Google Cloud. Melalui lab ini, Anda akan mempelajari cara menggunakan model dalam rangkaian Vertex AI PaLM API, termasuk text-bison, chat-bison, dan textembedding-gecko. Anda juga akan mempelajari desain perintah, praktik terbaik, serta cara menggunakannya untuk pencarian ide, klasifikasi teks, ekstraksi teks, peringkasan teks, dan banyak lagi. Anda juga akan mempelajari cara menyesuaikan model dasar dengan melatihnya melalui pelatihan kustom Vertex AI dan men-deploy-nya ke endpoint Vertex AI.

Pelajari lebih lanjut

Kursus ini memperkenalkan Vertex AI Studio, sebuah alat untuk berinteraksi dengan model AI generatif, membuat prototipe ide bisnis, dan meluncurkannya ke dalam produksi. Melalui kasus penggunaan yang imersif, pelajaran menarik, dan lab interaktif, Anda akan menjelajahi siklus proses dari perintah ke produk dan mempelajari cara memanfaatkan Vertex AI Studio untuk aplikasi multimodal Gemini, desain perintah, rekayasa perintah, dan tuning model. Tujuan kursus ini adalah agar Anda dapat memanfaatkan potensi AI generatif dalam project Anda dengan Vertex AI Studio.

Pelajari lebih lanjut

Kursus ini menjelaskan cara membuat model keterangan gambar menggunakan deep learning. Anda akan belajar tentang berbagai komponen model keterangan gambar, seperti encoder dan decoder, serta cara melatih dan mengevaluasi model. Pada akhir kursus ini, Anda akan dapat membuat model keterangan gambar Anda sendiri dan menggunakannya untuk menghasilkan teks bagi gambar.

Pelajari lebih lanjut

Kursus ini memberi Anda sinopsis tentang arsitektur encoder-decoder, yang merupakan arsitektur machine learning yang canggih dan umum untuk tugas urutan-ke-urutan seperti terjemahan mesin, ringkasan teks, dan tanya jawab. Anda akan belajar tentang komponen utama arsitektur encoder-decoder serta cara melatih dan menyalurkan model ini. Dalam panduan lab yang sesuai, Anda akan membuat kode pada penerapan simpel arsitektur encoder-decoder di TensorFlow untuk pembuatan puisi dari awal.

Pelajari lebih lanjut

Kursus ini memperkenalkan Anda pada arsitektur Transformer dan model Representasi Encoder Dua Arah dari Transformer (Bidirectional Encoder Representations from Transformers atau BERT). Anda akan belajar tentang komponen utama arsitektur Transformer, seperti mekanisme self-attention, dan cara penggunaannya untuk membangun model BERT. Anda juga akan belajar tentang berbagai tugas yang dapat memanfaatkan BERT, seperti klasifikasi teks, menjawab pertanyaan, dan inferensi natural language. Kursus ini diperkirakan memakan waktu sekitar 45 menit untuk menyelesaikannya.

Pelajari lebih lanjut

Dalam kursus ini Anda akan diperkenalkan dengan mekanisme atensi, yakni teknik efektif yang membuat jaringan neural berfokus pada bagian tertentu urutan input. Anda akan mempelajari cara kerja atensi, cara penggunaannya untuk meningkatkan performa berbagai tugas machine learning, termasuk terjemahan mesin, peringkasan teks, dan menjawab pertanyaan.

Pelajari lebih lanjut

Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.

Pelajari lebih lanjut

Complete the intermediate Manage Data Models in Looker skill badge to demonstrate skills in the following: maintaining LookML project health; utilizing SQL runner for data validation; employing LookML best practices; optimizing queries and reports for performance; and implementing persistent derived tables and caching policies. 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 course, and the final assessment challenge lab, to receive a digital badge that you can share with your network.

Pelajari lebih lanjut

In this course, you will get hands-on experience applying advanced LookML concepts in Looker. You will learn how to use Liquid to customize and create dynamic dimensions and measures, create dynamic SQL derived tables and customized native derived tables, and use extends to modularize your LookML code.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data. Badge keahlian merupakan badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan kursus badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge keahlian yang dapat Anda bagikan ke jaringan Anda.

Pelajari lebih lanjut

This course helps you structure your preparation for the Professional Cloud Engineer exam. You will learn about the Google Cloud domains covered by the exam and how to create a study plan to improve your domain knowledge.

Pelajari lebih lanjut

This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktik yang interaktif. Selesaikan kursus badge keahlian dan challenge lab penilaian akhir untuk menerima badge digital yang dapat Anda bagikan ke jaringan Anda.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan yang interaktif. Selesaikan kursus badge keahlian ini dan challenge lab penilaian akhir, untuk menerima badge keahlian yang dapat Anda bagikan dengan jaringan Anda.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud s ebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan kursus badge keahlian ini dan challenge lab penilaian akhir, untuk menerima badge keahlian yang dapat Anda bagikan dengan jaringan Anda.

Pelajari lebih lanjut

This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.

Pelajari lebih lanjut

Processing streaming data is becoming increasingly popular as streaming enables businesses to get real-time metrics on business operations. This course covers how to build streaming data pipelines on Google Cloud. Pub/Sub is described for handling incoming streaming data. The course also covers how to apply aggregations and transformations to streaming data using Dataflow, and how to store processed records to BigQuery or Bigtable for analysis. Learners get hands-on experience building streaming data pipeline components on Google Cloud by using QwikLabs.

Pelajari lebih lanjut

Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.

Pelajari lebih lanjut

Data pipelines typically fall under one of the Extract and Load (EL), Extract, Load and Transform (ELT) or Extract, Transform and Load (ETL) paradigms. This course describes which paradigm should be used and when for batch data. Furthermore, this course covers several technologies on Google Cloud for data transformation including BigQuery, executing Spark on Dataproc, pipeline graphs in Cloud Data Fusion and serverless data processing with Dataflow. Learners get hands-on experience building data pipeline components on Google Cloud using Qwiklabs.

Pelajari lebih lanjut

The two key components of any data pipeline are data lakes and warehouses. This course highlights use-cases for each type of storage and dives into the available data lake and warehouse solutions on Google Cloud in technical detail. Also, this course describes the role of a data engineer, the benefits of a successful data pipeline to business operations, and examines why data engineering should be done in a cloud environment. This is the first course of the Data Engineering on Google Cloud series. After completing this course, enroll in the Building Batch Data Pipelines on Google Cloud course.

Pelajari lebih lanjut