Join Sign in

Apply your skills in Google Cloud console

Álvaro Fernandez Villar

Member since 2024

Understanding Google Cloud Security and Operations - בעברית Earned אוג 21, 2025 EDT
Trust and Security with Google Cloud Earned אוג 21, 2025 EDT
Infrastructure and Application Modernization with Google Cloud - בעברית Earned אוג 20, 2025 EDT
Innovating with Google Cloud Artificial Intelligence Earned אוג 18, 2025 EDT
Innovating with Data and Google Cloud - בעברית Earned אוג 18, 2025 EDT
Digital Transformation with Google Cloud - בעברית Earned אוג 17, 2025 EDT
Preparing for your Professional Cloud Architect Journey Earned יונ 6, 2025 EDT
Inspect Rich Documents with Gemini Multimodality and Multimodal RAG Earned מאי 7, 2024 EDT
Responsible AI for Developers: Interpretability & Transparency Earned מאי 6, 2024 EDT
Machine Learning Operations (MLOps) for Generative AI Earned מאי 5, 2024 EDT
Responsible AI for Developers: Fairness & Bias Earned מאי 3, 2024 EDT
Introduction to Generative AI Studio - בעברית Earned מאי 3, 2024 EDT
Vector Search and Embeddings Earned מאי 3, 2024 EDT
Create Image Captioning Models - בעברית Earned מאי 2, 2024 EDT
Transformer Models and BERT Model - בעברית Earned מאי 2, 2024 EDT
Encoder-Decoder Architecture - בעברית Earned מאי 2, 2024 EDT
Attention Mechanism - בעברית Earned מאי 2, 2024 EDT
Introduction to Image Generation - בעברית Earned מאי 2, 2024 EDT
Natural Language Processing on Google Cloud Earned אפר 30, 2024 EDT
Recommendation Systems on Google Cloud Earned אפר 29, 2024 EDT
Computer Vision Fundamentals with Google Cloud Earned אפר 18, 2024 EDT
Machine Learning Operations (MLOps) with Vertex AI: Manage Features Earned אפר 15, 2024 EDT
Production Machine Learning Systems Earned אפר 15, 2024 EDT
Machine Learning Operations (MLOps): Getting Started Earned אפר 9, 2024 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud Earned אפר 3, 2024 EDT
Machine Learning in the Enterprise Earned אפר 2, 2024 EDT
Feature Engineering Earned אפר 1, 2024 EDT
Launching into Machine Learning Earned פבר 12, 2024 EST
How Google Does Machine Learning Earned פבר 5, 2024 EST
Introduction to AI and Machine Learning on Google Cloud Earned ינו 30, 2024 EST
Google Cloud Big Data and Machine Learning Fundamentals - Locales Earned ינו 29, 2024 EST

הקורס בוחן ניהול עלויות, אבטחה ותפעול בענן. ראשית, מוסבר איך עסקים יכולים לרכוש שירותי IT מספק שירותי ענן ולשמר חלק מהתשתית שלהם או לבחור לא לשמר אותה בכלל. שנית, הקורס מתאר איך האחריות על אבטחת נתונים מתחלקת בין ספק שירותי הענן לעסק, וסוקר את אבטחת ההגנה לעומק (defense-in-depth) שמובנית ב-Google Cloud. לבסוף, הקורס מתייחס לכך שצוותי IT ומנהלי העסק צריכים לשנות את החשיבה על ניהול משאבי IT בענן, ונוגע באופן שבו כלי ניטור המשאבים ב-Google Cloud יכולים לסייע להם לשמור על שליטה וניראות בסביבת הענן שלהם.

Learn more

As organizations move their data and applications to the cloud, they must address new security challenges. The Trust and Security with Google Cloud course explores the basics of cloud security, the value of Google Cloud's multilayered approach to infrastructure security, and how Google earns and maintains customer trust in the cloud. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.

Learn more

בארגונים מסורתיים רבים משתמשים במערכות ובאפליקציות מדורות קודמים, וקשה לבצע באמצעותן התאמה לעומס ופעולות מהירות הדרושות כדי לעמוד בציפיות מודרניות של לקוחות. מנהיגים עסקיים וקובעי מדיניות IT צריכים כל הזמן לבחור בין תחזוקה של מערכות מדורות קודמים לבין השקעה במוצרים ובשירותים חדשים. בקורס הזה נבחן את האתגרים הנובעים משימוש בתשתית IT מיושנת, ואיך בעלי עסקים יכולים לבצע מודרניזציה של תשתיות בעזרת טכנולוגיית ענן. הקורס מתחיל בהבנה מעמיקה של אפשרויות המחשוב השונות הזמינות בענן ופירוט היתרונות של כל אחת מהאפשרויות. לאחר מכן נבחן את האפשרויות למודרניזציה של האפליקציות ושל ממשקי API (ממשק תכנות יישומים). בקורס מתוארים גם מגוון פתרונות של Google Cloud שיכולים לשפר את תהליך פיתוח המערכות וניהולן בעסקים שונים, כמו Compute Engine,‏ App Engine ו-Apigee.

Learn more

Artificial intelligence (AI) and machine learning (ML) represent an important evolution in information technologies that are quickly transforming a wide range of industries. “Innovating with Google Cloud Artificial Intelligence” explores how organizations can use AI and ML to transform their business processes. Part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.

Learn more

טכנולוגיית הענן לבדה מספקת לעסק חלק קטן בלבד מהערך האמיתי שלה. כשהיא משולבת עם נתונים בנפח רב מאוד, נוצרת העוצמה שמאפשרת להפיק ערך וליצור חוויות חדשות ללקוחות. במסגרת הקורס הזה תלמדו מהם נתונים, איך השתמשו בהם בעבר בחברות לצורך קבלת החלטות ולמה הם קריטיים כל כך ללמידה חישובית. בנוסף, בקורס הזה יוצגו ללומדים מושגים טכניים כמו נתונים מובְנים ולא מובְנים, מסד נתונים, מחסן נתונים (data warehouse) ואגמי נתונים (data lakes). בהמשך, הקורס יעסוק במוצרי Google Cloud הנפוצים ביותר בתחום הנתונים, ובמוצרים כאלה ששיעור השימוש בהם גדל במהירות הרבה ביותר.

Learn more

מהי טכנולוגיית ענן ומהו מדע הנתונים? וחשוב יותר, איך הם יכולים לעזור לכם, לצוות שלכם ולעסק שלכם? קורס המבוא הזה בנושא טרנספורמציה דיגיטלית מתאים למי שרוצה ללמוד על טכנולוגיית הענן כדי להתמקצע ולהצטיין בעבודתו וכדי לעזור בפיתוח העתיד של העסק. בקורס יוגדרו מונחי יסוד כגון הענן, נתונים וטרנספורמציה דיגיטלית. בנוסף, נבחן דוגמאות של חברות מרחבי העולם שמשתמשות בטכנולוגיית הענן כדי לבצע טרנספורמציה בעסק. הקורס כולל סקירה של סוגי ההזדמנויות שיש לחברות ושל האתגרים הנפוצים שחברות מתמודדות איתם במהלך טרנספורמציה דיגיטלית. הקורס גם מדגים איך עמודי התווך של פתרונות Google Cloud יכולים לעזור בתהליך. חשוב לומר: טרנספורמציה דיגיטלית לא קשורה רק לשימוש בטכנולוגיות חדשות. כדי הטרנספורמציה תהיה מלאה, ארגונים צריכים גם ליישם חדשנות ולפתח דפוס חשיבה שמקדם חדשנות בכל התחומים והצוותים. השיטות המומלצות המתוארות בקורס יעזרו לכם להשיג את המטרה הזו.

Learn more

This course helps learners create a study plan for the PCA (Professional Cloud Architect) 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.

Learn more

Complete the intermediate Inspect Rich Documents with Gemini Multimodality and Multimodal RAG skill badge to demonstrate skills in the following: using multimodal prompts to extract information from text and visual data, generating a video description, and retrieving extra information beyond the video using multimodality with Gemini; building metadata of documents containing text and images, getting all relevant text chunks, and printing citations by using Multimodal Retrieval Augmented Generation (RAG) with Gemini. 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 skill badge that you can share with your network.

Learn more

This course introduces concepts of AI interpretability and transparency. It discusses the importance of AI transparency for developers and engineers. It explores practical methods and tools to help achieve interpretability and transparency in both data and AI models.

Learn more

This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Vertex AI empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.

Learn more

This course introduces concepts of responsible AI and AI principles. It covers techniques to practically identify fairness and bias and mitigate bias in AI/ML practices. It explores practical methods and tools to implement Responsible AI best practices using Google Cloud products and open source tools.

Learn more

בקורס הזה נלמד על Generative AI Studio, מוצר ב-Vertex AI שעוזר ליצור אבות טיפוס למודלים של בינה מלאכותית גנרטיבית, כדי להשתמש בהם ולהתאים אותם לפי הצרכים שלכם. באמצעות הדגמה של המוצר עצמו, נלמד מהו Generative AI Studio, מהם הפיצ'רים והאפשרויות שלו, ואיך להשתמש בו. בסוף הקורס יהיה שיעור Lab מעשי לתרגול של מה שנלמד, ובוחן לבדיקת הידע.

Learn more

Explore AI-powered search technologies, tools, and applications in this course. Learn semantic search utilizing vector embeddings, hybrid search combining semantic and keyword approaches, and retrieval-augmented generation (RAG) minimizing AI hallucinations as a grounded AI agent. Gain practical experience with Vertex AI Vector Search to build your intelligent search engine.

Learn more

בקורס הזה תלמדו איך ליצור מודל הוספת כיתוב לתמונה באמצעות למידה עמוקה (Deep Learning). אתם תלמדו על הרכיבים השונים במודל הוספת כיתוב לתמונה, כמו המקודד והמפענח, ואיך לאמן את המודל ולהעריך את הביצועים שלו. בסוף הקורס תוכלו ליצור מודלים להוספת כיתוב לתמונה ולהשתמש בהם כדי ליצור כיתובים לתמונות

Learn more

בקורס הזה נציג את הארכיטקטורה של טרנספורמרים ואת המודל של ייצוגים דו-כיווניים של מקודד מטרנספורמרים (BERT). תלמדו על החלקים השונים בארכיטקטורת הטרנספורמר, כמו מנגנון תשומת הלב, ועל התפקיד שלו בבניית מודל BERT. תלמדו גם על המשימות השונות שאפשר להשתמש ב-BERT כדי לבצע אותן, כמו סיווג טקסטים, מענה על שאלות והֶקֵּשׁ משפה טבעית. נדרשות כ-45 דקות כדי להשלים את הקורס הזה.

Learn more

בקורס הזה לומדים בקצרה על ארכיטקטורת מקודד-מפענח, ארכיטקטורה עוצמתית ונפוצה ללמידת מכונה שמשתמשים בה במשימות של רצף לרצף, כמו תרגום אוטומטי, סיכום טקסט ומענה לשאלות. תלמדו על החלקים השונים בארכיטקטורת מקודד-מפענח, איך לאמן את המודלים האלה ואיך להשתמש בהם. בהדרכה המפורטת המשלימה בשיעור ה-Lab תקודדו ב-TensorFlow תרחיש שימוש פשוט בארכיטקטורת מקודד-מפענח: כתיבת שיר מאפס.

Learn more

בקורס נלמד על מנגנון תשומת הלב, שיטה טובה מאוד שמאפשרת לרשתות נוירונים להתמקד בחלקים ספציפיים ברצף הקלט. נלמד איך עובד העיקרון של תשומת הלב, ואיך אפשר להשתמש בו כדי לשפר את הביצועים במגוון משימות של למידת מכונה, כולל תרגום אוטומטי, סיכום טקסט ומענה לשאלות.

Learn more

בקורס נלמד על מודלים של דיפוזיה, משפחת מודלים של למידת מכונה שיצרו הרבה ציפיות לאחרונה בתחום של יצירת תמונות. מודלים של דיפוזיה שואבים השראה מפיזיקה, וספציפית מתרמודינמיקה. בשנים האחרונות, מודלים של דיפוזיה הפכו לפופולריים גם בתחום המחקר וגם בתעשייה. מודלים של דיפוזיה עומדים מאחורי הרבה מהכלים והמודלים החדשניים ליצירת תמונות ב-Google Cloud. בקורס הזה נלמד על התיאוריה שמאחורי מודלים של דיפוזיה, ואיך לאמן ולפרוס אותם ב-Vertex AI.

Learn more

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.

Learn more

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.

Learn more

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.

Learn more

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.

Learn more

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Learn more

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.

Learn more

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

Learn more

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.

Learn more

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.

Learn more

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.

Learn more

This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.

Learn more

This course introduces the AI and machine learning (ML) offerings on Google Cloud that build both predictive and generative AI projects. It explores the technologies, products, and tools available throughout the data-to-AI life cycle, encompassing AI foundations, development, and solutions. It aims to help data scientists, AI developers, and ML engineers enhance their skills and knowledge through engaging learning experiences and practical hands-on exercises.

Learn more

This course, Google Cloud Big Data and Machine Learning Fundamentals - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Google Cloud Big Data and Machine Learning Fundamentals. This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

Learn more