Inscreva-se Fazer login

Juan Rubén Marrero Vizcaíno

Participante desde 2019

Build and Deploy a Generative AI solution using a RAG framework Earned Jul 16, 2024 EDT
[DEPRECATED] Integrate Vertex AI Search and Conversation into Voice and Chat Apps Earned Jul 3, 2024 EDT
Text Prompt Engineering Techniques Earned Jun 21, 2024 EDT
Criação de comandos na Agent Platform Earned Jun 17, 2024 EDT
Introdução à IA responsável Earned Jun 17, 2024 EDT
Introdução aos modelos de linguagem grandes Earned Jun 17, 2024 EDT
Introdução à IA generativa Earned Jun 17, 2024 EDT
Operações de machine learning (MLOps) com a Vertex AI: como gerenciar atributos Earned Feb 21, 2024 EST
Operações de machine learning (MLOps): introdução Earned Feb 21, 2024 EST
Como criar, treinar e implantar modelos de ML com o Keras no Google Cloud Earned Feb 19, 2024 EST
[DEPRECATED] Engenharia de atributos Earned Jan 29, 2024 EST
Introdução à IA e ao machine learning no Google Cloud Earned Jan 27, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Português Brasileiro Earned Jun 27, 2023 EDT
Building Resilient Streaming Systems on Google Cloud Platform Earned Jun 27, 2023 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML Earned Jun 26, 2023 EDT
Preparar dados para APIs de ML no Google Cloud Earned Jun 26, 2023 EDT
Como criar pipelines de dados em lote no Google Cloud Earned Jun 13, 2023 EDT
Como configurar uma rede do Google Cloud Earned Jun 5, 2023 EDT
Como criar data lakes e data warehouses no Google Cloud Earned May 31, 2023 EDT
Implementação do Cloud Load Balancing no Compute Engine Earned May 30, 2023 EDT
Criação de guia de estudo para certificação: PDE (preparação para o exame) Earned May 19, 2023 EDT
Launching into Machine Learning - Português Brasileiro Earned May 18, 2023 EDT
How Google Does Machine Learning - Português Brasileiro Earned May 15, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Português Brasileiro Earned Apr 26, 2023 EDT
Como criar arquiteturas com o Google Kubernetes Engine: produção Earned Jun 23, 2022 EDT
Arquitetura em Google Kubernetes Engine: cargas de trabalho Earned Jun 2, 2022 EDT
Arquitetura em Google Kubernetes Engine: fundamentos Earned May 12, 2022 EDT
Getting Started with Application Development - Português Brasileiro Earned Mar 8, 2022 EST
Arquitetura de nuvem: como criar, implantar e gerenciar Earned Jun 22, 2020 EDT
Como configurar um ambiente de desenvolvimento de apps no Google Cloud Earned Jun 19, 2020 EDT

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.

Saiba mais

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.

Saiba mais

Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.

Saiba mais

Conclua o curso introdutório Criação de comandos na Agent Platform para: Demonstrar suas habilidades nas áreas de engenharia de comandos, análise de imagens e técnicas generativas multimodais na Agent Platform Descobrir como criar comandos eficientes, guiar as respostas da IA generativa e aplicar os modelos do Gemini em cenários reais de marketing.

Saiba mais

Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.

Saiba mais

Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.

Saiba mais

Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.

Saiba mais

Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, teste, monitoramento e automação de sistemas de ML em produção. Também incluímos experiências práticas de uso da ingestão de streaming do Vertex AI Feature Store na camada do SDK.

Saiba mais

Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, no teste, no monitoramento e na automação de sistemas de ML em produção. Profissionais de engenharia de machine learning usam ferramentas para fazer melhorias contínuas e avaliações de modelos implantados. São profissionais que trabalham com ciências de dados e desenvolvem modelos para garantir a velocidade e o rigor na implantação de modelos com melhor desempenho.

Saiba mais

Este curso ensina a criar modelos de ML com o TensorFlow e o Keras, melhorar a acurácia deles e desenvolver modelos para uso em escala.

Saiba mais

O curso apresenta os benefícios de usar a Vertex AI Feature Store e ensina a melhorar a acurácia dos modelos de ML e a identificar as colunas de dados que apresentam os atributos mais úteis. Ele também oferece conteúdo teórico e laboratórios sobre engenharia de atributos com BigQuery ML, Keras e TensorFlow.

Saiba mais

Neste curso, apresentamos os recursos de IA e machine learning (ML) do Google Cloud, com foco no desenvolvimento de projetos de IA generativa e preditiva. Vamos conhecer as tecnologias, os produtos e as ferramentas disponíveis em todo o ciclo de vida de dados para IA, capacitando cientistas de dados, desenvolvedores de IA e engenheiros de ML para aprimorar a experiência com exercícios interativos.

Saiba mais

A incorporação de machine learning em pipelines de dados aumenta a capacidade de extrair insights dessas informações. Neste curso, mostramos as várias formas de incluir essa tecnologia em pipelines de dados do Google Cloud. Para casos de pouca ou nenhuma personalização, vamos falar sobre o AutoML. Para usar recursos de machine learning mais personalizados, vamos apresentar os Notebooks e o machine learning do BigQuery (BigQuery ML). No curso, você também vai aprender sobre a produção de soluções de machine learning usando a Vertex AI.

Saiba mais

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.

Saiba mais

Conclua o selo de habilidade intermediário Dados de engenharia para modelagem preditiva com o BigQuery ML para mostrar que você sabe: criar pipelines de transformação de dados no BigQuery usando o Dataprep by Trifacta; usar o Cloud Storage, o Dataflow e o BigQuery para criar fluxos de trabalho de extração, transformação e carregamento de dados (ELT); e criar modelos de machine learning usando o BigQuery ML.

Saiba mais

Conquiste o selo de habilidade introdutório Preparar dados para APIs de ML no Google Cloud para demonstrar que você é capaz de: limpar dados com o Dataprep by Trifacta, executar pipelines de dados no Dataflow, criar clusters e executar jobs do Apache Spark no Managed Service for Apache Spark e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.

Saiba mais

Neste curso intermediário, você aprenderá a projetar, criar e otimizar pipelines de dados em lote robustos no Google Cloud. Além do tratamento básico de dados, você vai aprender sobre transformações em grande escala e orquestração eficiente de fluxos de trabalho, essenciais para a eficiência em Business Intelligence e relatórios importantes. Pratique o uso do Dataflow para Apache Beam e do Serverless para Apache Spark (Dataproc sem servidor) na implementação e resolva questões importantes em qualidade de dados, monitoramento e alertas, garantindo um pipeline confiável e excelência operacional. Recomendamos ter conhecimento básico de armazenamento em data warehouse, ETL/ELT, SQL, Python e conceitos do Google Cloud.

Saiba mais

Receba um selo de habilidade ao completar o curso Como configurar uma rede do Google Cloud, que ensina como realizar tarefas básicas no Google Cloud Platform, criar uma rede personalizada, adicionar regras de firewall de sub-redes e criar VMs para testar a latência durante a comunicação.

Saiba mais

Embora as abordagens tradicionais de uso de data lakes e data warehouses possam ser eficazes, elas têm alguns problemas, principalmente em grandes ambientes corporativos. Este curso apresenta o conceito de data lakehouse e os produtos do Google Cloud usados para criar um. Uma arquitetura de lakehouse usa fontes de dados de padrão aberto e combina os melhores atributos de data lakes e data warehouses, o que resolve muitos desses problemas.

Saiba mais

Conclua o selo de habilidade introdutório Implementação do Cloud Load Balancing no Compute Engine para demonstrar que você sabe: criar e implantar máquinas virtuais no Compute Engine; configurar balanceadores de carga de rede e de aplicativo.

Saiba mais

Saiba como usar o Gemini Notebook para criar um guia de estudo personalizado para o exame de certificação Professional Data Engineer. Você vai analisar os recursos da ferramenta, criar um notebook nela e aprender a usar um guia de estudo para se preparar para um exame de certificação.

Saiba mais

O curso começa com a seguinte discussão: como melhorar a qualidade dos dados e fazer uma análise exploratória deles? Descrevemos o AutoML na Vertex AI e como criar, treinar e implantar um modelo de ML sem escrever nenhuma linha de código. Você vai conhecer os benefícios do BigQuery ML. Depois vamos falar sobre como otimizar um modelo de machine learning (ML) e como a generalização e a amostragem podem ajudar na avaliação de qualidade dos modelos de ML em treinamentos personalizados.

Saiba mais

Quais são as práticas recomendadas para implementar machine learning no Google Cloud? O que é Vertex AI e como é possível usar a plataforma para criar, treinar e implantar modelos de machine learning do AutoML com rapidez e sem escrever nenhuma linha de código? O que é machine learning e que tipos de problema ele pode resolver? O Google pensa em machine learning de uma forma um pouco diferente. Para nós, o processo de ML é sobre fornecer uma plataforma unificada para conjuntos de dados gerenciados, como uma Feature Store, uma forma de criar, treinar e implantar modelos de machine learning sem escrever nenhuma linha de código. Além disso, o ML também é sobre a habilidade de rotular dados, criar notebooks do Workbench usando frameworks (como TensorFlow, SciKit Learn, Pytorch e R) e muito mais. A plataforma Vertex AI também inclui a possibilidade de treinar modelos personalizados, criar pipelines de componente e realizar previsões em lote e on-line. Também falamos sobre as cinco fas…

Saiba mais

Este curso apresenta os produtos e serviços de Big Data e machine learning do Google Cloud que auxiliam no ciclo de vida de dados para IA. Ele explica os processos, os desafios e os benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.

Saiba mais

Neste curso, você vai aprender sobre a segurança do Kubernetes e do Google Kubernetes Engine (GKE), além dos processos de geração de registros e monitoramento. Também mostraremos como usar dentro do GKE os serviços de banco de dados e armazenamento gerenciados pelo Google Cloud. Este é o segundo curso da série Arquitetura em Google Kubernetes Engine. Depois de concluir todas as tarefas, comece o curso "Infraestrutura do Google Cloud confiável: criar e processar" ou "Hybrid Cloud Infrastructure Foundations with Anthos".

Saiba mais

No curso Arquitetura em Google Kubernetes Engine: cargas de trabalho, você vai conhecer profundamente o processo de desenvolvimento de apps nativos da nuvem. Durante o aprendizado, você vai saber mais sobre as operações do Kubernetes, o gerenciamento de implantações, a rede do GKE e o armazenamento permanente. Este é o primeiro curso da série Arquitetura em Google Kubernetes Engine. Depois de concluir todas as tarefas, comece o curso Como criar arquiteturas com o Google Kubernetes Engine: produção.

Saiba mais

Neste curso, "Arquitetura em Google Kubernetes Engine: fundamentos", vamos relembrar o layout e os princípios do Google Cloud. Depois disso, mostraremos os fundamentos de como criar e gerenciar contêineres de software, e você vai conhecer a arquitetura do Kubernetes.

Saiba mais

Neste curso, os desenvolvedores de apps aprendem a criar e desenvolver aplicativos nativos da nuvem que se integram totalmente aos serviços gerenciados do Google Cloud. Com as apresentações, as demonstrações e os laboratórios práticos, os participantes vão aprender a aplicar as práticas recomendadas para o desenvolvimento de apps e usar os serviços do Google Cloud Storage específicos para objetos, dados relacionais, armazenamento em cache e análises de dados. É necessário concluir pelo menos uma versão de cada laboratório. Todos os laboratórios estão disponíveis em Node.js. A maioria deles também tem versões em Python ou Java. Use a linguagem que você preferir. Este é o primeiro curso da série "Developing Applications with Google Cloud". Depois de concluir este curso, inscreva-se no "Securing and Integrating Components of your Application".

Saiba mais

Ganhe um selo de habilidade ao concluir o curso Arquitetura de nuvem: como criar, implantar e gerenciar e mostre que você sabe: implantar um site publicamente acessível usando servidores da Web Apache, configurar uma VM no Compute Engine usando scripts de inicialização, configurar um RDP seguro usando um Bastion Host Windows e regras de firewall, criar e implantar uma imagem Docker em um cluster do Kubernetes e atualizá-lo, além de criar uma instância do CloudSQL e importar um banco de dados do MySQL. Este selo de habilidade é um ótimo recurso para entender tópicos que vão aparecer no exame de certificação Professional Cloud Architect com Certificação em Google Cloud.

Saiba mais

Conquiste um selo de habilidade ao concluir o curso Como configurar um ambiente de desenvolvimento de apps no Google Cloud. Nele, você aprende a criar e conectar uma infraestrutura em nuvem focada em armazenamento usando recursos básicos das seguintes tecnologias: Cloud Storage, Identity and Access Management, Cloud Functions e Pub/Sub.

Saiba mais