Dołącz Zaloguj się

Yash Anchan

Jest członkiem od 2025

Liga diamentowa

7885 pkt.
Engineer AI Agents with Agent Development Kit (ADK) Earned maj 22, 2026 EDT
Responsible AI: Applying AI Principles with Google Cloud - Polski Earned maj 17, 2026 EDT
Introduction to Responsible AI - Polski Earned maj 17, 2026 EDT
Introduction to Large Language Models - Polski Earned maj 17, 2026 EDT
Introduction to Generative AI - Polski Earned maj 17, 2026 EDT
Modernize Infrastructure and Applications with Google Cloud Earned lut 25, 2026 EST
Introduction to Data Analytics in Google Cloud Earned lut 25, 2026 EST
Build Batch Data Pipelines on Google Cloud Earned lut 13, 2026 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned gru 28, 2025 EST
Machine Learning Operations (MLOps): Getting Started Earned mar 2, 2025 EST

Complete the intermediate Engineer AI Agents with Agent Development Kit (ADK) skill badge by completing this course to demonstrate skills in the following: formulating real-world language model research problems; building a simple tokenizer; preparing a dataset for training a transformer language model; running the training loop of a small language model. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.

Więcej informacji

Im szerzej wykorzystuje się w firmach sztuczną inteligencję i systemy uczące się, tym większej wagi nabiera odpowiedzialne podejście do opracowywania tych technologii. Wielu organizacjom trudniej jest jednak wprowadzić zasady odpowiedzialnej AI w praktyce niż tylko o tym rozmawiać. To szkolenie jest przeznaczone dla osób, które chcą się dowiedzieć, jak wdrożyć odpowiedzialną AI w swojej organizacji. W jego trakcie dowiesz się, jak robimy to w Google Cloud, oraz poznasz sprawdzone metody i wnioski z naszych działań w tym zakresie. Pomoże Ci to opracować własne podejście do odpowiedzialnej AI.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.

Więcej informacji

To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

Many traditional enterprises use legacy systems and apps that can't stay up-to-date with modern customer expectations. Business leaders often have to choose between maintaining their aging IT systems and investing in new products and services. This course explores these challenges and offers solutions to overcome them by using cloud technology. As part of the Cloud Digital Leader learning path, this course aims to help individuals grow in their role and build the future of their business.

Więcej informacji

Welcome learner! This is the first of five courses of the Google Cloud Data Analytics Certificate. Jump into the world of data analytics and cloud computing. Explore the data lifecycle in the cloud and gain a better understanding of the common tools used by data analysts.

Więcej informacji

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

Więcej informacji

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.

Więcej informacji

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.

Więcej informacji