Omar Irfan Khan
Menjadi anggota sejak 2021
Gold League
21305 poin
Menjadi anggota sejak 2021
Dalam kursus ini Anda akan diperkenalkan dengan mekanisme atensi, yakni teknik efektif yang membuat jaringan neural berfokus pada bagian tertentu urutan input. Anda akan mempelajari cara kerja atensi, cara penggunaannya untuk meningkatkan performa berbagai tugas machine learning, termasuk terjemahan mesin, peringkasan teks, dan menjawab pertanyaan.
Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.
Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda mengamankan lingkungan dan resource cloud. Anda akan mempelajari cara men-deploy contoh workload ke dalam lingkungan di Google Cloud, mengidentifikasi kesalahan konfigurasi keamanan dengan Gemini, dan memperbaiki kesalahan konfigurasi keamanan dengan Gemini. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan postur keamanan cloud. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda menggunakan produk dan layanan Google untuk mengembangkan, menguji, men-deploy, dan mengelola aplikasi. Dengan bantuan Gemini, Anda belajar cara mengembangkan dan membangun aplikasi web, memperbaiki error dalam aplikasi, mengembangkan pengujian, dan mengkueri data. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan siklus proses pengembangan software (SDLC). Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.
Kursus ini memperkenalkan Google Vids, alat kreasi berteknologi AI di Google Workspace yang membantu Anda mengubah dokumen mentah menjadi video yang menarik dan profesional tanpa perlu pengalaman mengedit sebelumnya. Anda akan mempelajari cara membuat draf dengan cepat menggunakan template dan alat otomatis, serta cara menyesuaikan konten dengan pengeditan berbasis transkrip, peningkatan visual dinamis, dan musik kustom. Terakhir, Anda akan mempelajari cara mengintegrasikan avatar dan voiceover AI untuk menarasikan presentasi Anda dengan lancar di berbagai kasus penggunaan bisnis.
Kursus ini membahas cara menggunakan Gemini di Google Drive untuk mengelola dan mengambil file. Pelajari cara menemukan aset menggunakan bahasa alami, mengekstrak fakta spesifik melalui Ringkasan AI tanpa membuka file, meringkas berbagai format media secara instan, dan menyimpan koleksi file sebagai Project untuk riset yang dapat diulang.
Kursus ini membahas cara menggunakan Gemini di Google Meet untuk meningkatkan kolaborasi video. Pelajari cara mengotomatiskan pembuatan catatan, memanfaatkan terjemahan teks dan ucapan secara real-time, mengejar diskusi yang terlewat secara pribadi, dan mengoptimalkan kualitas audio dan video Anda secara instan.
Kursus ini membahas cara menggunakan Gemini di Google Spreadsheet untuk mengotomatiskan pengaturan data dan mengolah angka yang kompleks. Pelajari cara menyusun tabel dari teks mentah, mengisi data secara otomatis menggunakan bahasa alami, membuat formula spreadsheet native on demand, dan mengekstrak insight atau visualisasi tingkat tinggi dengan cepat tanpa memerlukan keahlian spreadsheet lanjutan.
Kursus ini membahas cara menggunakan Gemini di Google Slide untuk mengubah konsep menjadi presentasi yang memukau secara visual. Pelajari cara membuat presentasi terstruktur cukup dari satu perintah atau dokumen sumber, menyempurnakan tata letak slide dengan peningkatan desain otomatis, menciptakan grafik vektor dan foto kustom, serta menyusun teks slide secara dinamis lengkap dengan catatan pembicara yang presisi.
Kursus ini membahas cara menggunakan Gemini di Google Dokumen untuk menyederhanakan penulisan dan pembuatan konten Anda. Pelajari cara menyusun draf dokumen dari awal, menyempurnakan gaya dan kejelasan tulisan dengan alat bantu interaktif, meringkas file yang kompleks, dan mengubah teks panjang menjadi aset terstruktur untuk aplikasi Google Workspace lainnya dengan lancar.
Kursus ini membahas cara menggunakan Gemini di Gmail untuk mengoptimalkan pengelolaan email Anda. Pelajari cara meringkas rangkaian pesan yang panjang, mengambil informasi menggunakan bahasa alami, membuat draf respons profesional, dan mengatur strategi komunikasi langsung di kotak masuk Anda.
Gemini untuk Google Workspace menyediakan fitur AI generatif untuk pelanggan di Google Workspace. Dalam jalur pembelajaran ini, Anda akan mempelajari berbagai fitur penting di Gemini dan cara penggunaannya untuk meningkatkan produktivitas dan efisiensi di Google Workspace.
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
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.
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.
In this course, you learn how to create APIs that utilize multiple services and how you can use custom code on Apigee. You will also learn about fault handling, and how to share logic between proxies. You learn about traffic management and caching. You also create a developer portal, and publish your API to the portal. You learn about logging and analytics, as well as CI/CD and the different deployment models supported by Apigee. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the third and final course of the Developing APIs with the Apigee API Platform course series.
In this course, you learn how to secure your APIs. You explore the security concerns you will encounter for your APIs. You learn about OAuth, the primary authorization method for REST APIs. You will learn about JSON Web Tokens (JWTs) and federated security. You also learn about securing against malicious requests, safely sending requests across a public network, and how to secure your data for users of Apigee. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the second course of the Developing APIs with the Apigee API Platform series. After completing this course, enroll in the API Development with the Apigee API Platform course.
In this course, you learn how to design APIs, and how to use OpenAPI specifications to document them. You learn about the API lifecycle, and how the Apigee API platform helps you manage all aspects of the lifecycle. You learn how APIs can be designed using API proxies, and how APIs are packaged as API products to be used by app developers. Through a combination of lessons, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the first course of the Developing APIs with the Apigee API Platform series. After completing this course, enroll in the API Security with the Apigee API Platform course.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.
Dalam kursus tingkat pemula ini, Anda akan mendapatkan praktik langsung dengan alat dan layanan dasar Google Cloud. Video opsional disediakan untuk memberikan konteks dan ulasan lebih lanjut mengenai konsep-konsep yang dibahas dalam lab ini. Dasar-Dasar Google Cloud adalah kursus pertama yang direkomendasikan bagi peserta kursus Google Cloud— Anda bisa mengikutinya dengan pengetahuan yang minim atau tanpa pengetahuan sama sekali tentang cloud, dan mendapatkan pengalaman praktis yang dapat diterapkan pada project Google Cloud pertama Anda setelah menyelesaikan kursus ini. Mulai dari menulis perintah Cloud Shell dan men-deploy virtual machine pertama Anda, hingga menjalankan aplikasi di Kubernetes Engine atau dengan load balancing, Dasar-Dasar Google Cloud merupakan pengantar utama untuk fitur dasar platform ini.