Daniel Gomez
Menjadi anggota sejak 2021
Bronze League
23640 poin
Menjadi anggota sejak 2021
Dapatkan badge keahlian dengan menyelesaikan kursus Introduction to Generative AI, Introduction to Large Language Models, dan Introduction to Responsible AI. Dengan berhasil menyelesaikan kuis akhir, Anda membuktikan pemahaman Anda tentang konsep dasar AI generatif. Badge keahlian adalah badge digital yang diberikan oleh Google Cloud sebagai pengakuan atas pengetahuan Anda tentang produk dan layanan Google Cloud. Pamerkan badge keahlian Anda dengan menampilkan profil Anda kepada publik dan menambahkannya ke profil media sosial Anda.
Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.
Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Dalam kursus tingkat pemula ini, Anda akan mempelajari alur kerja Analisis Data di Google Cloud dan alat yang dapat Anda gunakan untuk mengeksplorasi, menganalisis, dan memvisualisasikan data, serta membagikan temuan Anda dengan para pemangku kepentingan. Dengan menggunakan studi kasus serta lab interaktif, materi, dan kuis/demo, kursus ini akan mendemonstrasikan cara menghasilkan data bersih hingga visualisasi dan dasbor yang menghasilkan dampak dari set data mentah. Entah Anda sudah bekerja dengan data dan ingin mempelajari cara sukses di Google Cloud, atau ingin mengembangkan karier Anda, kursus ini akan membantu Anda memulai. Hampir semua orang yang melakukan atau menggunakan analisis data dalam pekerjaan mereka dapat mengambil manfaat dari kursus ini.
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.
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.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
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.
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.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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.
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.
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.