Kasra Zamanian
Учасник із 2022
Recommendation Systems on Google Cloud
Earned вер. 4, 2023 EDT
DEPRECATED Build and Deploy Machine Learning Solutions on Vertex AI
Earned вер. 4, 2023 EDT
Підготовка даних для інтерфейсів API машинного навчання в Google Cloud
Earned вер. 1, 2023 EDT
MLOps with Agent Platform: Manage Features
Earned серп. 30, 2023 EDT
Production Machine Learning Systems
Earned серп. 30, 2023 EDT
Machine Learning Operations (MLOps): Getting Started
Earned лип. 5, 2023 EDT
Natural Language Processing on Google Cloud
Earned черв. 15, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned черв. 15, 2023 EDT
Machine Learning in the Enterprise
Earned черв. 8, 2023 EDT
[DEPRECATED] Feature Engineering
Earned черв. 7, 2023 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned квіт. 12, 2023 EDT
Launching into Machine Learning
Earned бер. 30, 2023 EDT
How Google Does Machine Learning
Earned бер. 30, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - українська
Earned бер. 27, 2023 EDT
Налаштування середовища для розробки додатка в Google Cloud
Earned бер. 22, 2023 EDT
Google Cloud Fundamentals: Core Infrastructure - Yкраїнська
Earned бер. 17, 2023 EDT
Основи Google Cloud
Earned бер. 1, 2023 EST
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
Докладніше
Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions on Vertex AI skill badge course, where you learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models.
Докладніше
Пройдіть вступний кваліфікаційний курс Підготовка даних для інтерфейсів API машинного навчання в Google Cloud, щоб продемонструвати свої навички щодо очистки даних за допомогою сервісу Dataprep by Trifacta, запуску конвеєрів даних у Dataflow, створення кластерів і запуску завдань Apache Spark у Managed Service for Apache Spark, а також виклику API машинного навчання, зокрема Cloud Natural Language API, Google Cloud Speech-to-Text API і Video Intelligence API.
Докладніше
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production.
Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
Докладніше
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.
Докладніше
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.
Докладніше
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Докладніше
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.
Докладніше
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.
Докладніше
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.
Докладніше
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Докладніше
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.
Докладніше
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models.
The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
Докладніше
Під час курсу ви зможете ознайомитися з продуктами й сервісами Google Cloud для роботи з масивами даних і машинним навчанням, які підтримують життєвий цикл роботи з даними для тренування моделей штучного інтелекту. У курсі розглядаються процеси, проблеми й переваги створення конвеєру масиву даних і моделей машинного навчання з Vertex AI у Google Cloud.
Докладніше
Щоб отримати кваліфікаційний значок, пройдіть курс Налаштування середовища для розробки додатка в Google Cloud. У ньому ви навчитеся створювати й підключати хмарну інфраструктуру, спрямовану на зберігання даних, за допомогою базових можливостей таких технологій, як Cloud Storage, система керування ідентифікацією і доступом, Cloud Functions та Pub/Sub.
Докладніше
Курс "Знайомство з Google Cloud: основна інфраструктура" охоплює важливі поняття й терміни щодо використання Google Cloud. Переглядаючи відео й виконуючи практичні завдання, слухачі ознайомляться з різними сервісами Google Cloud для обчислень і зберігання даних, а також важливими ресурсами й інструментами для керування правилами. Крім того, вони зможуть їх порівнювати.
Докладніше
На цьому вступному курсі ви отримаєте практичний досвід роботи з основними інструментами й сервісами Google Cloud. Також вам доступні додаткові відео, які допоможуть краще зрозуміти контекст і закріпити знання щодо тем, розглянутих у практичних заняттях. Google Cloud "Основи" – це рекомендований початковий курс для тих, хто починає вивчати Google Cloud. Ви можете розпочати навчання, маючи мінімальні знання про хмарні технології або взагалі не маючи їх, і отримати практичний досвід, який зможете застосувати у своєму першому хмарному проєкті Google Cloud. "Основи Google Cloud" дають вичерпне уявленні про ключові функції платформи – від написання команд у Cloud Shell і розгортання першої віртуальної машини до запуску додатків на Kubernetes Engine і використання розподілу навантаження.
Докладніше
