Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
Completa la insignia de habilidad del curso introductorio Diseño de instrucciones en Agent Platform y demuestra tus habilidades para realizar las siguientes actividades: ingeniería de instrucciones, análisis de imágenes y aplicación de técnicas generativas multimodales en Agent Platform. Descubre cómo crear instrucciones eficaces, guía las respuestas de la IA generativa y aplica modelos de Gemini en situaciones de marketing de la vida real.
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA responsable, por qué es importante y cómo la implementa Google en sus productos. También se presentan los 7 principios de la IA de Google.
Este es un curso introductorio de microaprendizaje en el que se explora qué son los modelos de lenguaje grandes (LLM), sus casos de uso y cómo se puede utilizar el ajuste de instrucciones para mejorar el rendimiento de los LLM. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
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 menciona las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
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.
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.
En este curso, se explica cómo crear modelos de AA con TensorFlow y Keras, cómo mejorar la exactitud de los modelos de AA y cómo escribir modelos de AA para uso escalado.
En este curso, se exploran los beneficios de utilizar Vertex AI Feature Store, cómo mejorar la exactitud de los modelos de AA y cómo descubrir cuáles columnas de datos producen los atributos más útiles. El curso también incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.
En este curso, se presentan las funciones de IA y aprendizaje automático (AA) de Google Cloud, con un enfoque en el desarrollo de proyectos de IA generativa y predictiva. Se exploran las diversas tecnologías, productos y herramientas disponibles durante el ciclo de vida desde los datos hasta la IA, y se trabaja con ejercicios interactivos para que los científicos de datos, ingenieros de AA y desarrolladores de IA puedan enriquecer su experiencia.
La incorporación del aprendizaje automático en las canalizaciones de datos aumenta la capacidad para extraer estadísticas de los datos. En este curso, veremos formas de incluir el aprendizaje automático en las canalizaciones de datos en Google Cloud. Para una personalización escasa o nula, en el curso se aborda AutoML. Para obtener más capacidades de aprendizaje automático a medida, el curso presenta Notebooks y BigQuery Machine Learning (BigQuery ML). Además, en este curso se aborda cómo llevar a producción soluciones de aprendizaje automático con Vertex AI.
This 1-week, accelerated on-demand course builds upon Google Cloud Platform Big Data and Machine Learning Fundamentals. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn to build streaming data pipelines using Google cloud Pub/Sub and Dataflow to enable real-time decision making. You will also learn how to build dashboards to render tailored output for various stakeholder audiences.
Obtén la insignia de habilidad intermedia Ingeniería de datos para crear modelos predictivos con BigQuery ML y demuestra tus capacidades para crear canalizaciones de transformación de datos en BigQuery con Dataprep de Trifacta; usar Cloud Storage, Dataflow y BigQuery para crear flujos de trabajo de extracción, transformación y carga (ETL), y crear modelos de aprendizaje automático con BigQuery ML.
Completa la insignia de habilidad introductoria Prepara datos para las APIs de AA en Google Cloud y demuestra tus habilidades para realizar las siguientes actividades: limpiar datos con Dataprep de Trifacta, ejecutar canalizaciones de datos en Dataflow, crear clústeres y ejecutar trabajos de Apache Spark en Managed Service for Apache Spark y llamar a APIs de AA, como la API de Cloud Natural Language, la API de Google Cloud Speech-to-Text y la API de Video Intelligence.
En este curso intermedio, aprenderás a diseñar, crear y optimizar canalizaciones de datos por lotes sólidas en Google Cloud. Más allá del manejo de datos fundamental, explorarás las transformaciones de datos a gran escala y la organización eficiente de flujos de trabajo, lo que es primordial para la inteligencia empresarial oportuna y los informes esenciales. Obtén experiencia práctica con Dataflow para Apache Beam y Serverless for Apache Spark (Dataproc Serverless) para la implementación, y aborda consideraciones cruciales respecto de la calidad de los datos, la supervisión y las alertas para garantizar la confiabilidad de la canalización y la excelencia operativa. Se recomienda tener conocimientos básicos sobre almacenamiento de datos, ETL/ELT, SQL, Python y conceptos de Google Cloud.
Completa el curso Configura una red de Google Cloud para obtener una insignia de habilidad. En el curso aprenderás a realizar tareas básicas de redes en Google Cloud, como crear una red personalizada, agregar reglas de firewall de subredes y, luego, crear VMs y probar la latencia cuando se comunican entre sí.
Si bien los enfoques tradicionales de usar data lakes y almacenes de datos pueden ser eficaces, tienen deficiencias, en particular en entornos empresariales grandes. En este curso, se presenta el concepto del data lakehouse y los productos de Google Cloud que se usan para crear uno. Una arquitectura de lakehouse usa fuentes de datos de estándares abiertos y combina las mejores funciones de los data lakes y los almacenes de datos, lo que aborda muchas de sus deficiencias.
Completa la insignia de habilidad introductoria Implementa Cloud Load Balancing para Compute Engine y demuestra tus habilidades para realizar las siguientes actividades: crear y, luego, implementar máquinas virtuales en Compute Engine, y configurar balanceadores de cargas de red y de aplicaciones.
Aprende a usar Gemini Notebook para crear una guía de estudio personalizada para el examen de certificación Professional Data Engineer. Repasarás las funciones de Gemini Notebook, crearás un cuaderno en Gemini Notebook y aprenderás a usar una guía de estudio como práctica para un examen de certificación.
El curso comienza con un debate sobre los datos: cómo mejorar su calidad y cómo realizar análisis exploratorios de ellos. Describimos Vertex AI AutoML y cómo crear, entrenar e implementar un modelo de AA sin escribir una sola línea de código. Conocerás 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.
¿Cuáles son las prácticas recomendadas para implementar el aprendizaje automático en Google Cloud? ¿Qué es Vertex AI y cómo se puede utilizar la plataforma para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código? ¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar? Google considera que el aprendizaje automático es diferente: se trata de proporcionar una plataforma unificada para conjuntos de datos administrados, un almacén de atributos, una forma de crear, entrenar e implementar modelos de aprendizaje automático sin escribir una sola línea de código, así como proporcionar la capacidad de etiquetar datos y crear notebooks de Workbench utilizando frameworks como TensorFlow, SciKit-learn, Pytorch, R y otros. Vertex AI Platform también ofrece la posibilidad de entrenar modelos personalizados, crear canalizaciones de componentes y realizar predicciones en línea y por lotes. Además, analiza…
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
En este curso, aprenderás sobre la seguridad de Kubernetes y Google Kubernetes Engine (GKE), los registros y la supervisión, y cómo usar los servicios administrados de almacenamiento y de bases de datos de Google Cloud desde GKE. Este es el segundo curso de la serie Diseño de arquitecturas con Google Kubernetes Engine. Después de completar este curso, inscríbase en los cursos Infraestructura confiable de Google Cloud: El diseño y el proceso o Hybrid Cloud Infrastructure Foundations with Anthos.
En Diseño de arquitecturas con Google Kubernetes Engine: cargas de trabajo, te embarcarás en un recorrido completo sobre el desarrollo de aplicaciones nativas de la nube. Durante la experiencia de aprendizaje, explorarás las operaciones de Kubernetes, la administración de implementaciones, las herramientas de redes de GKE y el almacenamiento persistente. Este es el primer curso de la serie Diseño de arquitecturas con Google Kubernetes Engine. Después de completarlo, inscríbete en el curso Diseño de arquitecturas con Google Kubernetes Engine: Producción.
En el curso, “Diseño de arquitecturas con Google Kubernetes Engine: conceptos básicos”, obtendrá información sobre el diseño y los principios de Google Cloud, además de una introducción a la creación y administración de contenedores de software y a la arquitectura de Kubernetes.
En este curso, los desarrolladores de aplicaciones aprenderán a diseñar y desarrollar aplicaciones nativas de la nube que integren perfectamente los servicios administrados de Google Cloud. A través de una serie de presentaciones, demostraciones y labs prácticos, los participantes aprenderán a aplicar las prácticas recomendadas del desarrollo de aplicaciones y usar los servicios de almacenamiento de Google Cloud apropiados para el almacenamiento de objetos, datos relacionales, almacenamiento en caché y análisis. Es obligatorio completar una versión de cada lab. Los labs están disponibles en Node.js y, en la mayoría de los casos, también en Python o Java. Puedes completar cada lab en el lenguaje que prefieras. Este es el primer curso de la serie Developing Applications with Google Cloud. Después de completarlo, inscríbete en el curso Securing and Integrating Components of your Application.
Obtén una insignia de habilidad completando el curso Arquitectura de la nube: Diseña, implementa y administra y demuestra tus habilidades para realizar las siguientes actividades: implementar un sitio web de acceso público con servidores web de Apache, configurar una VM de Compute Engine con secuencias de comandos de inicio, configurar el RDP seguro con un host de bastión de Windows y reglas de firewall, compilar y, luego, implementar una imagen de Docker en un clúster de Kubernetes para luego actualizarlo, y crear una instancia de Cloud SQL e importarla a una base de datos de MySQL. Esta insignia de habilidad es un excelente recurso para entender los temas que aparecerán en el examen de certificación Google Cloud Certified Professional Cloud Architect.
Para ganar una insignia de habilidad, completa el curso Configura un entorno de desarrollo de apps en Google Cloud. Allí aprenderás a crear y conectar una infraestructura de nube centrada en el almacenamiento usando las capacidades básicas de las siguientes tecnologías: Cloud Storage, Identity and Access Management, Cloud Functions y Pub/Sub.