Unirse Acceder

Michael Otmar Kaiser

Miembro desde 2020

Insignia de Generative AI Explorer - Vertex AI Generative AI Explorer - Vertex AI Earned may 9, 2024 EDT
Insignia de Introduction to Generative AI - Español Introduction to Generative AI - Español Earned may 3, 2024 EDT
Insignia de Machine Learning Operations (MLOps) with Vertex AI: Manage Features - Español Machine Learning Operations (MLOps) with Vertex AI: Manage Features - Español Earned abr 24, 2024 EDT
Insignia de Machine Learning Operations (MLOps): Getting Started - Español Machine Learning Operations (MLOps): Getting Started - Español Earned abr 24, 2024 EDT
Insignia de Computer Vision Fundamentals with Google Cloud Computer Vision Fundamentals with Google Cloud Earned abr 23, 2024 EDT
Insignia de Production Machine Learning Systems - Español Production Machine Learning Systems - Español Earned abr 16, 2024 EDT
Insignia de Machine Learning in the Enterprise - Español Machine Learning in the Enterprise - Español Earned abr 14, 2024 EDT
Insignia de Build and Deploy Machine Learning Solutions on Vertex AI Build and Deploy Machine Learning Solutions on Vertex AI Earned abr 13, 2024 EDT
Insignia de Engineer Data in Google Cloud Engineer Data in Google Cloud Earned abr 11, 2024 EDT
Insignia de Classify Images with TensorFlow on Google Cloud Classify Images with TensorFlow on Google Cloud Earned abr 8, 2024 EDT
Insignia de Feature Engineering - Español Feature Engineering - Español Earned mar 27, 2024 EDT
Insignia de TensorFlow on Google Cloud - Español TensorFlow on Google Cloud - Español Earned mar 24, 2024 EDT
Insignia de BigQuery for Machine Learning BigQuery for Machine Learning Earned mar 18, 2024 EDT
Insignia de Perform Foundational Data, ML, and AI Tasks in Google Cloud Perform Foundational Data, ML, and AI Tasks in Google Cloud Earned mar 17, 2024 EDT
Insignia de Launching into Machine Learning - Español Launching into Machine Learning - Español Earned mar 4, 2024 EST
Insignia de Introduction to AI and Machine Learning on Google Cloud - Español Introduction to AI and Machine Learning on Google Cloud - Español Earned feb 26, 2024 EST

The Generative AI Explorer - Vertex Quest is a collection of labs on how to use Generative AI on Google Cloud. Through the labs, you will learn about how to use the models in the Vertex AI PaLM API family, including text-bison, chat-bison, and textembedding-gecko. You will also learn about prompt design, best practices, and how it can be used for ideation, text classification, text extraction, text summarization, and more. You will also learn how to tune a foundation model by training it via Vertex AI custom training and deploy it to a Vertex AI endpoint.

Más información

Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA generativa, cómo se utiliza y en qué se diferencia de los métodos de aprendizaje automático tradicionales. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.

Más información

En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los estudiantes obtendrán experiencia práctica con la transferencia de transmisión de Vertex AI Feature Store en la capa de SDK.

Más información

En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.

Más información

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.

Más información

En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.

Más información

Este curso abarca un enfoque práctico y real sobre el flujo de trabajo del AA: Se trata del caso de éxito de un equipo de AA que trabaja con varios requisitos empresariales y casos de uso de AA. Este equipo debe comprender las herramientas necesarias para la administración de los datos y considerar el mejor enfoque para su procesamiento previo, lo que abarca desde proporcionar una descripción general de Dataflow y Dataprep hasta utilizar BigQuery para las tareas de procesamiento previo. Al equipo se le presentan tres opciones con las que pueden crear modelos de aprendizaje automático para dos casos de uso específicos. En este curso, se explica por qué el equipo utilizaría AutoML, BigQuery ML o el entrenamiento personalizado para lograr sus objetivos. Además, se profundiza en el entrenamiento personalizado. Describimos los requisitos del entrenamiento personalizado, lo que incluye la estructura del código de entrenamiento, el almacenamiento, la carga de grandes conjuntos de datos y …

Más información

Earn a skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's unified Vertex AI platform and its AutoML and custom training services to train, evaluate, tune, explain, and deploy machine learning solutions. This skill badge course is for professional Data Scientists and Machine Learning Engineers. The datasets and labs are built around high business impact enterprise machine learning use cases; these include retail customer lifetime value prediction, mobile game churn prediction, visual car part defection identification, and fine tuning BERT for review sentiment classification. Learners who complete this skill badge will gain hands-on experience with Vertex AI for new and existing ML workloads and be able to leverage AutoML, custom training, and new MLOps services to significantly enhance development productivity and accelerate time to value. A skill badge is an exclusive digital badge issued b…

Más información

Esta Quest de nivel avanzado es única entre las demás ofertas de Qwiklabs. Los labs se seleccionaron para ofrecer a los profesionales de TI prácticas con temas y servicios que aparecen en la certificación Professional Data Engineer de Google Cloud Certified. Desde BigQuery hasta Dataproc y TensorFlow, esta Quest se compone de labs específicos que pondrán a prueba sus conocimientos de ingeniería de datos de GCP. Tenga en cuenta que, si bien realizar estos labs le permitirá aumentar sus habilidades y capacidades, también necesitará otro tipo de preparación. El examen es bastante exigente y se recomienda contar con estudios externos, experiencia o capacitación en ingeniería de datos en la nube. Completa esta búsqueda, incluido el laboratorio de desafío al final, para recibir una insignia digital exclusiva de Google Cloud. El laboratorio de desafío no proporciona pasos prescriptivos, sino que requiere la creación de soluciones con una orientación mínima y pondrá a prueba sus habilidades te…

Más información

Earn the intermediate skill badge by completing the Classify Images with TensorFlow on Google Cloud course where you will learn how to use TensorFlow and Vertex AI to create and train machine learning models. You will primarily interact with Vertex AI Workbench user-managed notebooks. 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, and the final assessment challenge lab, to receive a digital badge that you can share with your network.

Más información

¿Desea saber sobre Vertex AI Feature Store? ¿Desea saber cómo mejorar la exactitud de los modelos de AA o averiguar qué columnas de datos crean los atributos más útiles? Le damos la bienvenida a Feature Engineering, donde analizaremos los atributos buenos y malos, y cómo se los puede procesar previamente y transformar para aprovecharlos al máximo en sus modelos. El curso incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.

Más información

En este curso, se explica cómo diseñar y crear una canalización de datos de entrada de TensorFlow 2.x, cómo desarrollar modelos de AA con TensorFlow 2.x y Keras, cómo mejorar la exactitud de los modelos de AA, cómo escribir modelos de AA para uso escalado y cómo escribir modelos de AA especializados.

Más información

¿Quiere aprender a usar el aprendizaje automático, a familiarizarse con él y a compilar modelos en minutos, en lugar de pasar horas utilizando únicamente SQL? BigQuery Machine Learning es una nueva función de BigQuery en la que los analistas de datos pueden crear, entrenar, evaluar y predecir con modelos de aprendizaje automático y codificación mínima. En esta serie de labs, experimentará con diferentes tipos de modelos y aprenderá cuáles son las características de un buen modelo.

Más información

Los macrodatos, el aprendizaje automático y la inteligencia artificial son temas informáticos populares en la actualidad; sin embargo, estos campos son muy especializados y es difícil conseguir material básico. Afortunadamente, GCP ofrece servicios fáciles de usar en estas áreas y Qwiklabs le proporciona esta Quest de nivel básico para que pueda dar sus primeros pasos con herramientas como BigQuery, API de Cloud Speech y Cloud ML Engine. Completa esta búsqueda, incluido el laboratorio de desafío al final, para recibir una insignia digital exclusiva de Google Cloud. En los videos de 1 minuto, se le explicarán los conceptos clave de cada lab.

Más información

El curso comienza con un debate sobre los datos: cómo mejorar la calidad de los datos y cómo realizar análisis exploratorios de datos. Describimos Vertex AI AutoML y cómo compilar, entrenar y, luego, implementar un modelo de AA sin escribir ni una sola línea de código Conocerá los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.

Más información

Este curso presenta las ofertas de inteligencia artificial (IA) y aprendizaje automático (AA) en Google Cloud que admiten el ciclo de vida de datos a IA a través de las bases de la IA, el desarrollo de la IA y las soluciones de IA. En él, se exploran las tecnologías, los productos y las herramientas disponibles para crear modelos y canalizaciones de AA, así como proyectos de IA generativa en función de los diferentes objetivos de los usuarios, como científicos de datos, ingenieros de AA y desarrolladores de IA.

Más información