Mitglied seit 2021
APIs für Machine Learning in Google Cloud verwenden
Earned Okt 17, 2022 EDT
Intro to ML: Image Processing
Earned Okt 10, 2022 EDT
Pipelines ohne Code in Cloud Data Fusion erstellen
Earned Okt 3, 2022 EDT
Cloud Load Balancing in der Compute Engine implementieren
Earned Mär 29, 2021 EDT
Sichern Sie sich das Skill-Logo für Fortgeschrittene, indem Sie den Kurs APIs für Machine Learning in Google Cloud verwenden abschließen – hier lernen Sie die grundlegenden Funktionen der folgenden Machine-Learning- und KI-Technologien kennen: Cloud Vision API, Cloud Translation API und Cloud Natural Language API.
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
Dieser Kurs bietet praktische Übungen zu Cloud Data Fusion, einer cloudnativen, codefreien Datenintegrationsplattform. ETL-Entwickler*innen, Data Engineers und Analyst*innen können von den vordefinierten Transformationen und Connectors profitieren und Pipelines erstellen und bereitstellen, ohne Code schreiben zu müssen. Dieser Kurs beginnt mit einem einführenden Lab, in dem die Teilnehmenden mit der Benutzeroberfläche von Cloud Data Fusion vertraut gemacht werden. Lernende testen anschließend die Ausführung von Batch- und Echtzeit-Pipelines sowie die Verwendung des integrierten Wrangler-Plug-ins, um auf diese Weise Datentransformationen durchzuführen.
Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.