加入 登录

在 Google Cloud 控制台中运用您的技能

ABRIL NOGUERA

成为会员时间：2023

黄金联赛

22245 积分
Production Machine Learning Systems Earned Jan 31, 2024 EST
Machine Learning in the Enterprise Earned Jan 29, 2024 EST
Feature Engineering Earned Jan 24, 2024 EST
Build, Train and Deploy ML Models with Keras on Google Cloud Earned Jan 22, 2024 EST
Launching into Machine Learning Earned Jan 17, 2024 EST
Google Cloud 的 AI 和機器學習服務簡介 Earned Jan 9, 2024 EST
透過 Vertex AI 建構及部署機器學習解決方案 Earned Jan 8, 2024 EST
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則 Earned Dec 29, 2023 EST
Generative AI Fundamentals - 繁體中文 Earned Dec 29, 2023 EST
負責任的 AI 技術簡介 Earned Dec 27, 2023 EST
大型語言模型簡介 Earned Dec 27, 2023 EST
生成式 AI 簡介 Earned Dec 27, 2023 EST

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.

了解详情

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.

了解详情

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.

了解详情

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

了解详情

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.

了解详情

本課程介紹 Google Cloud 中的 AI 和機器學習 (ML) 服務。這些服務可建構預測式和生成式 AI 專案。我們將帶您探索「從資料到 AI」生命週期中適用的技術、產品和工具，包括 AI 基礎、開發選項及解決方案。課程目的是藉由生動的學習體驗與實作練習，增進數據資料學家、AI 開發人員和機器學習工程師的技能與知識。

了解详情

完成 透過 Vertex AI 建構及部署機器學習解決方案 課程，即可瞭解如何使用 Google Cloud 的 Vertex AI 平台、AutoML 和自訂訓練服務， 訓練、評估、調整、解釋及部署機器學習模型。 這個技能徽章課程適合專業數據資料學家和機器學習 工程師，完成即可取得中階技能徽章。技能 徽章是 Google Cloud 核發的獨家數位徽章， 用於肯定您在 Google Cloud 產品和服務方面的精通程度， 代表您已通過測驗，能在互動式實作環境應用相關知識。完成這個技能徽章課程 和結業評量挑戰實驗室，就能獲得數位徽章， 並與親友分享。

了解详情

隨著企業持續擴大使用人工智慧和機器學習，以負責任的方式發展相關技術也日益重要。對許多企業來說，談論負責任的 AI 技術可能不難，如何付諸實行才是真正的挑戰。如要瞭解如何在機構中導入負責任的 AI 技術，本課程絕對能助您一臂之力。 您可以從中瞭解 Google Cloud 目前採取的策略、最佳做法和經驗談，協助貴機構奠定良好基礎，實踐負責任的 AI 技術。

了解详情

完成「Introduction to Generative AI」、「Introduction to Large Language Models」和「Introduction to Responsible AI」課程，即可獲得技能徽章。通過最終測驗，就能展現您對生成式 AI 基本概念的掌握程度。 「技能徽章」是 Google Cloud 核發的數位徽章，用於表彰您對 Google Cloud 產品和服務的相關知識。您可以將技能徽章公布在社群媒體的個人資料中，向其他人分享您的成果。

了解详情

這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。

了解详情

這是一堂入門級的微學習課程，旨在探討大型語言模型 (LLM) 的定義和用途，並說明如何調整提示來提高 LLM 成效。此外，也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。

了解详情

這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。

了解详情