Member since 2024
Vertex AI'da İstem Tasarımı
Earned Nis 21, 2025 EDT
Dönüştürücü Modelleri ve BERT Modeli
Earned Mar 7, 2025 EST
Machine Learning Operations (MLOps): Getting Started
Earned Mar 7, 2025 EST
Vertex AI'da istem mühendisliği, görüntü analizi ve çok modlu üretken teknikler gibi becerileri göstermek için Vertex AI'da İstem Tasarımı beceri rozetini tamamlayın. Etkili istemlerin nasıl oluşturulacağını, üretken yapay zeka çıktılarına nasıl rehberlik edileceğini ve Gemini modellerinin gerçek dünyadaki pazarlama senaryolarına nasıl uygulanacağını keşfedin. Ein Beceri rozeti, Google Cloud ürün ve hizmetlerine ilişkin uzmanlığınızın tanınması amacıyla Google Cloud tarafından verilen özel bir dijital rozettir ve bilginizi etkileşimli, uygulamalı bir ortamda uygulama yeteneğinizi test eder. Ağınızla paylaşabileceğiniz bir beceri rozeti almak için bu beceri rozeti kursunu ve son değerlendirme yarışması laboratuvarını tamamlayın. Bu aktiviteyi tamamlayın ve bir rozet kazanın! Geliştirdiğiniz becerileri herkese göstererek bulut üstüne kariyerinizi geliştirin.
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.
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.