Jeremy Loscheider
Member since 2018
Silver League
27336 points
Member since 2018
This course introduces Gemini Enteprise, a powerful platform that brings together AI agents, enterprise search, NotebookLM, and intelligent data access to solve organizational challenges. Through real-world examples and hands-on exploration, learners will be able to connect Gemini Enterprise capabilities to real business needs, describe its architecture, and explain how it handles data access and privacy across roles.
Complete the introductory Build a Data Mesh with Dataplex skill badge to demonstrate skills in the following: building a data mesh with Dataplex to facilitate data security, governance, and discovery on Google Cloud. You practice and test your skills in tagging assets, assigning IAM roles, and assessing data quality in Dataplex.
Bu kursta yapay zeka destekli arama teknolojileri, araçları ve uygulamalarını keşfedeceksiniz. Vektör yerleştirmelerinin kullanıldığı semantik aramayı, semantik ve anahtar kelime yaklaşımlarının birleştirildiği karma aramayı ve yapay zeka temsilcisini temellendirerek yapay zeka halüsinasyonlarının en aza indirildiği veriyle artırılmış üretimi (RAG) öğrenin. Akıllı arama motorunuzu oluşturmak için Vertex AI Vector Search'ü uygulamalı olarak deneyin.
Bu kursta Vertex AI Studio tanıtılmaktadır. Bu araç, üretken yapay zeka modelleriyle etkileşime geçmek, kurumsal fikirlerin prototipini oluşturmak ve bunları gerçek hayatta uygulamak için kullanılır. Gerçek hayattan kullanım alanları, etkileşimli dersler ve uygulamalı laboratuvarlar aracılığıyla, ilk istemden son ürüne uzanan yaşam döngüsünü keşfedecek ve çoklu format destekli Gemini uygulamaları, istem tasarımı, istem mühendisliği ve model ayarlama konularında Vertex AI Studio'dan nasıl yararlanabileceğinizi öğreneceksiniz. Bu kursun amacı, Vertex AI Studio'yu kullanarak projelerinizde üretken yapay zekadan yararlanabilmenizi sağlamaktır.
Bu kurs, derin öğrenmeyi kullanarak görüntülere altyazı ekleme modeli oluşturmayı öğretmektedir. Kurs sırasında görüntülere altyazı ekleme modelinin farklı bileşenlerini (ör. kodlayıcı ve kod çözücü) ve modelinizi eğitip değerlendirmeyi öğreneceksiniz. Bu kursu tamamlayan öğrenciler, kendi görüntülere altyazı ekleme modellerini oluşturabilecek ve bu modelleri görüntülere altyazı oluşturmak için kullanabilecek.
Bu kurs, dönüştürücü mimarisini ve dönüştürücülerden çift yönlü kodlayıcı temsilleri (BERT - Encoder Representations from Transformers) modelini tanıtmaktadır. Kursta, öz dikkat mekanizması gibi dönüştürücü mimarisinin ana bileşenlerini ve BERT modelini oluşturmak için dönüştürücünün nasıl kullanıldığını öğreneceksiniz. Ayrıca sınıflandırma, soru yanıtlama ve doğal dil çıkarımı gibi BERT'in kullanılabileceği çeşitli görevler hakkında da bilgi sahibi olacaksınız. Kursun tahmini süresi 45 dakikadır.
Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.
Bu kursta, kodlayıcı-kod çözücü mimarisi özet olarak anlatılmaktadır. Bu mimari; makine çevirisi, metin özetleme ve soru yanıtlama gibi "sıradan sıraya" görevlerde yaygın olarak kullanılan, güçlü bir makine öğrenimi mimarisidir. Kursta, kodlayıcı-kod çözücü mimarisinin ana bileşenlerini ve bu modellerin nasıl eğitilip sunulacağını öğreneceksiniz. Laboratuvarın adım adım açıklamalı kılavuz bölümünde ise sıfırdan şiir üretmek için TensorFlow'da kodlayıcı-kod çözücü mimarisinin basit bir uygulamasını yazacaksınız.
Bu kursta nöral ağların, giriş sırasının belirli bölümlerine odaklanmasına olanak tanıyan güçlü bir teknik olan dikkat mekanizması tanıtılmaktadır. Kursta, dikkat mekanizmasının çalışma şeklini ve makine öğrenimi, metin özetleme ve soru yanıtlama gibi çeşitli makine öğrenimi görevlerinin performansını artırmak için nasıl kullanılabileceğini öğreneceksiniz.
Earn a skill badge by completing the Streaming Analytics into BigQuery skill badge course, where you use Pub/Sub, Dataflow and BigQuery together to stream data for analytics.
Earn a skill badge by completing the Share Data Using Google Data Cloud skill badge course, where you will gain practical experience with Google Cloud Data Sharing Partners, which have proprietary datasets that customers can use for their analytics use cases. Customers subscribe to this data, query it within their own platform, then augment it with their own datasets and use their visualization tools for their customer facing dashboards.
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
Complete the intermediate Build a Data Warehouse with BigQuery skill badge course to demonstrate skills in the following: joining data to create new tables, troubleshooting joins, appending data with unions, creating date-partitioned tables, and working with JSON, arrays, and structs in BigQuery.
Giriş düzeyindeki BigQuery Verilerinden Analiz Elde Etme beceri rozetini alarak şu konulardaki becerilerinizi gösterin: SQL sorguları yazma, herkese açık tabloları sorgulama, örnek verileri BigQuery'ye yükleme, BigQuery'deki sorgu doğrulayıcı ile yaygın söz dizimi sorunlarını giderme ve BigQuery verilerine bağlanarak Looker Studio'da rapor oluşturma.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
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.
Giriş düzeyindeki Google Cloud'da Makine Öğrenimi API'leri İçin Veri Hazırlama beceri rozetini tamamlayarak şu konulardaki becerilerinizi gösterin: Dataprep by Trifacta ile veri temizleme, Dataflow'da veri ardışık düzenleri çalıştırma, Dataproc'ta küme oluşturma ve Apache Spark işleri çalıştırma ve makine öğrenimi API'lerini (Cloud Natural Language API, Google Cloud Speech-to-Text API ve Video Intelligence API dahil olmak üzere) çağırma.
Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.
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.
Bu giriş seviyesi mikro öğrenme kursunda büyük dil modelleri (BDM) nedir, hangi kullanım durumlarında kullanılabileceği ve büyük dil modelleri performansını artırmak için nasıl istem ayarlaması yapabileceğiniz keşfedilecektir. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirmenize yardımcı olacak Google araçları hakkında bilgi verilecektir.
Bu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenme yöntemlerinden nasıl farklı olduğunu açıklamayı amaçlayan giriş seviyesi bir mikro öğrenme kursudur. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirmenize yardımcı olacak Google Araçlarını da kapsar.
Bu kursta, görüntü üretme alanında gelecek vadeden bir makine öğrenimi modelleri ailesi olan "difüzyon modelleri" tanıtılmaktadır. Difüzyon modelleri fizikten, özellikle de termodinamikten ilham alır. Geçtiğimiz birkaç yıl içinde, gerek araştırma gerekse endüstri alanında difüzyon modelleri popülerlik kazandı. Google Cloud'daki son teknoloji görüntü üretme model ve araçlarının çoğu, difüzyon modelleri ile desteklenmektedir. Bu kursta, difüzyon modellerinin ardındaki teori tanıtılmakta ve bu modellerin Vertex AI'da nasıl eğitilip dağıtılacağı açıklanmaktadır.