Thiago Mota dos Santos
Membro dal giorno 2024
Campionato Argento
11370 punti
Membro dal giorno 2024
Questo corso introduce i concetti di interpretabilità e la trasparenza dell'AI. Parla dell'importanza della trasparenza dell'AI per sviluppatori ed engineer. Illustra metodi e strumenti pratici per aiutare a raggiungere interpretabilità e trasparenza sia nei dati che nei modelli di AI.
Questo corso introduce i concetti di AI responsabile e i principi dell'AI. Tratta le tecniche per identificare sostanzialmente l'equità e i bias e mitigare i bias nelle pratiche di AI/ML. Illustra metodi e strumenti pratici per implementare le best practice dell'AI responsabile utilizzando gli strumenti open source e i prodotti Google Cloud.
This course equips machine learning practitioners with the essential tools, techniques, and best practices for evaluating both generative and predictive AI models. Model evaluation is a critical discipline for ensuring that ML systems deliver reliable, accurate, and high-performing results in production. Participants will gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks. The course will emphasize the unique challenges posed by generative AI models and provide strategies for tackling them effectively. By leveraging Google Cloud's Vertex AI platform, participants will learn how to implement robust evaluation processes for model selection, optimization, and continuous monitoring.
This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Vertex AI empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.
Questo corso presenta le offerte di intelligenza artificiale (AI) e machine learning (ML) su Google Cloud per la creazione di progetti di AI predittiva e generativa. Esplora le tecnologie, i prodotti e gli strumenti disponibili durante tutto il ciclo di vita data-to-AI, includendo le basi, lo sviluppo e le soluzioni di AI. Ha lo scopo di aiutare data scientist, sviluppatori di AI e ML engineer a migliorare le proprie abilità e conoscenze attraverso attività di apprendimento coinvolgenti ed esercizi pratici.