Participante desde 2026
Operações de machine learning (MLOps) com a Vertex AI: avaliação de modelo
Earned Nov 3, 2026 EST
Operações de Machine Learning (MLOps) para IA Generativa
Earned Nov 3, 2026 EST
Infraestrutura de IA: Cloud TPUs
Earned Nov 2, 2026 EST
Google DeepMind: 01 Build Your Own Small Language Model
Earned Sep 22, 2026 EDT
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção. Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
O objetivo desse curso é equipar você com o conhecimento e as ferramentas necessários para resolver os desafios enfrentados por equipes de MLOps durante o desenvolvimento e gerenciamento de modelos de IA generativa. Também queremos mostrar como a Vertex AI ajuda equipes de IA a simplificar processos de MLOps e a alcançar o sucesso em projetos de IA generativa.
Este é o curso Cloud TPUs. Vamos conhecer as vantagens e desvantagens das TPUs em vários cenários e comparar diferentes aceleradores de TPU para você escolher a opção mais adequada. Você aprenderá estratégias para maximizar o desempenho e a eficiência dos seus modelos de IA e compreenderá a importância da interoperabilidade de GPU/TPU para fluxos de trabalho flexíveis de machine learning. Usando conteúdo envolvente e demonstrações práticas, guiaremos você no aproveitamento eficaz das TPUs.
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.