Daten für ML-APIs in Google Cloud vorbereiten: Challenge Lab Rezensionen

Cristopher B. · Vor 3 Monate überprüft

25EU06R0167 - S. · Vor 3 Monate überprüft

Gourab B. · Vor 3 Monate überprüft

DANIEL FELIPE P. · Vor 3 Monate überprüft

Generally good but the requirement for validating the API calls was unclear. I outputted the result directly to a .result file on my filesystem and uploaded that with gsutil, which it didn't accept (although this is a perfectly valid Linux command). It only validated it as correct when I piped the output to a .json file, and then did the rename at the gsutil upload stage. This is poor validation since both ways are correct.

Jacqueline P. · Vor 3 Monate überprüft

Gourab B. · Vor 3 Monate überprüft

Tanuj D. · Vor 3 Monate überprüft

Sachin H. · Vor 3 Monate überprüft

Mateusz B. · Vor 3 Monate überprüft

Rahul K. · Vor 3 Monate überprüft

Gourab B. · Vor 3 Monate überprüft

Aarti D. · Vor 3 Monate überprüft

Mahesh V. · Vor 3 Monate überprüft

Gulshan K. · Vor 3 Monate überprüft

Gourab B. · Vor 3 Monate überprüft

i got problem that my 3rd task not showing completed even after i completed

Nayan V. · Vor 3 Monate überprüft

Davide M. · Vor 3 Monate überprüft

In instructions (dataproc) indication was run the job in a N2 cluster, but impossible to choose that option (only N4 available)

Daniel C. · Vor 3 Monate überprüft

Nice !!!

Zinnoor M. · Vor 3 Monate überprüft

Data allocation for ML API are discretized with parallel and scalable function for a running Dataflow template region enabled in a Cloud Shell region with its compatible Cloud Storage Bucket instance.

Anshuman M. · Vor 3 Monate überprüft

Induja P. · Vor 3 Monate überprüft

Samuel I. · Vor 3 Monate überprüft

MANVI J. · Vor 3 Monate überprüft

Akanksha G. · Vor 3 Monate überprüft

Vedant N. · Vor 3 Monate überprüft