Samprad Raja Uprety
Mitglied seit 2024
Silver League
19260 Punkte
Einstieg in die Bildgenerierung
Earned Jan 2, 2025 EST
Machine Learning Operations (MLOps) für generative KI
Earned Jan 2, 2025 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Jan 2, 2025 EST
[DEPRECATED] Feature Engineering
Earned Jan 2, 2025 EST
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Jan 2, 2025 EST
ML-Modelle mit BigQuery ML erstellen
Earned Jan 1, 2025 EST
Working with Notebooks in Vertex AI
Earned Jan 1, 2025 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Jan 1, 2025 EST
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Jan 1, 2025 EST
Quiz: GDC Air-Gapped Practitioner Fundamentals
Earned Jan 1, 2025 EST
AI Services and GDC Deployments and Operations
Earned Dez 31, 2024 EST
Compute, Network, and Storage Services Configuration in GDC
Earned Dez 31, 2024 EST
Build a Certification Study Guide: PMLE
Earned Dez 31, 2024 EST
GDC Platform Introduction
Earned Dez 31, 2024 EST
Einführung in generative KI
Earned Dez 31, 2024 EST
In diesem Kurs werden Diffusion-Modelle vorgestellt, eine Gruppe verschiedener Machine Learning-Modelle, die kürzlich einige vielversprechende Fortschritte im Bereich Bildgenerierung gemacht haben. Diffusion-Modelle basieren auf physikalischen Konzepten der Thermodynamik und sind in den letzten Jahren in der Forschung und Industrie sehr beliebt geworden. Dabei stützen sich Diffusion-Modelle auf viele innovative Modelle und Tools zur Bildgenerierung in Google Cloud. In diesem Kurs werden Ihnen die theoretischen Grundlagen der Diffusion-Modelle erläutert und wie Sie diese Modelle über Vertex AI trainieren und bereitstellen können.
Weitere Informationen
Dieser Kurs vermittelt Ihnen das Wissen und die nötigen Tools, um die speziellen Herausforderungen zu erkennen, mit denen MLOps-Teams bei der Bereitstellung und Verwaltung von Modellen basierend auf generativer KI konfrontiert sind. Sie erfahren, wie KI-Teams durch Vertex AI dabei unterstützt werden, MLOps-Prozesse zu optimieren und mit Projekten erfolgreich zu sein, in denen generative KI zum Einsatz kommt.
Weitere Informationen
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Weitere Informationen
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.
Weitere Informationen
Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.
Weitere Informationen
This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.
Weitere Informationen
In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Data Scientists, KI-Entwickler*innen und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.
Weitere Informationen
This quiz tests your GDC Air-Gapped Practitioner Fundamentals knowledge.
Weitere Informationen
The course explores advanced services such as machine learning, and operational topics such as application deployment, monitoring, and troubleshooting.
In addition, we’ll introduce GDC software upgrades, logging, billing, and cost monitoring.
Weitere Informationen
The course examines service resources or workload components that exist in projects. You’ll learn about Kubernetes in GDC, Artifact Registry, GDC Object Storage, Database Service, Networking, and Key Management and Security.
Weitere Informationen
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.
Weitere Informationen
This course provides an introduction to the GDC platform—which enables you to host, control, and manage infrastructure and services directly on your premises.
GDC air-gapped is one component of Google Distributed Cloud offering which aligns to Google’s digital sovereignty vision. It supports public-sector customers and commercial entities that have strict data residency, security or privacy requirements.
Weitere Informationen
In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene generative KI-Anwendungen entwickeln können.
Weitere Informationen
