SRIHESH KOTHAPALLI
Member since 2024
Diamond League
11370 points
Member since 2024
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. Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
Bu kursta, yapay zekada gizlilik ve güvenlik konuları ele alınmaktadır. Kurs boyunca, Google Cloud ürünleri ve açık kaynak araçları kullanarak yapay zekayla ilgili önerilen gizlilik ve güvenlik uygulamalarını benimsemenize yardımcı olacak pratik yöntemler ile araçları tanıyacaksınız.
Bu kursta yapay zekanın yorumlanabilirliği ve şeffaflığı kavramlarıyla ilgili temel bilgiler sunulmaktadır. Ayrıca geliştiriciler ve mühendisler için yapay zeka sistemlerinde şeffaflığın önemi ele alınmaktadır. Kurs boyunca, veri ve yapay zeka modellerinde yorumlanabilirliğin ve şeffaflığın sağlanmasına yardımcı olacak pratik yöntemleri ve araçları tanıyacaksınız.
Generative AI applications can create new user experiences that were nearly impossible before the invention of large language models (LLMs). As an application developer, how can you use generative AI to build engaging, powerful apps on Google Cloud? In this course, you'll learn about generative AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs. You'll learn about a production-ready architecture that can be used for generative AI applications and you'll build an LLM and RAG-based chat application. Explore other content in the Gemini Agent Ready (GEAR) program.
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
Bu kursta, sorumlu yapay zeka kavramı ve yapay zeka ilkeleri tanıtılmaktadır. Kurs, adalet ve önyargıyı pratik şekilde tanımlama teknikleri ile yapay zeka/makine öğrenimi uygulamalarında önyargının azaltılması konularını ele almaktadır. Kurs boyunca, Google Cloud ürünleri ve açık kaynaklı araçları kullanarak sorumlu yapay zekayla ilgili en iyi uygulamaları benimsemenize yardımcı olacak pratik yöntemler ve araçları tanıyacaksınız.
This course equips machine learning practitioners with the essential tools, techniques, and best practices for evaluating both generative and predictive AI models. Model evaluation is a critical discipline for ensuring that ML systems deliver reliable, accurate, and high-performing results in production. Participants will gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks. The course will emphasize the unique challenges posed by generative AI models and provide strategies for tackling them effectively. By leveraging Google Cloud's Agent Platform, participants will learn how to implement robust evaluation processes for model selection, optimization, and continuous monitoring.
Bu kurs, MLOps ekiplerinin üretken yapay zeka modellerini dağıtırken ve yönetirken karşılaştığı zorlukların üstesinden gelmek için gereken bilgi ve araçları sağlamaktadır. Ayrıca yapay zeka ekiplerinin, MLOps süreçlerini kolaylaştırıp üretken yapay zeka projelerinde başarıya ulaşması için Vertex AI'ın nasıl yardımcı olduğunu öğrenmenizi amaçlamaktadır.
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.
Data is one of the most valuable assets an organization owns, making its safe handling and governance essential. In this voyage, you will master Cloud Storage fundamentals by automating bucket management via APIs and the CLI, while enforcing compliance with Bucket Lock. You will then advance to automated security, configuring Sensitive Data Protection Discovery to scan and catalog risks across BigQuery and Cloud Storage. Complete with two challenge labs, this journey equips you to secure assets across your entire cloud ecosystem.
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
Complete the intermediate Build Infrastructure with Terraform on Google Cloud skill badge to demonstrate skills in the following: Infrastructure as Code (IaC) principles using Terraform, provisioning and managing Google Cloud resources with Terraform configurations, effective state management (local and remote), and modularizing Terraform code for reusability and organization.
Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.
Complete the intermediate Create ML Models with BigQuery ML skill badge to demonstrate skills in creating and evaluating machine learning models with BigQuery ML to make data predictions.
Giriş düzeyindeki Google Cloud'da Makine Öğrenimi API'leri İçin Veri Hazırlama beceri rozetini tamamlayarak şu konulardaki becerilerinizi gösterin: Dataprep by Trifacta ile veri temizleme, Dataflow'da veri ardışık düzenleri çalıştırma, Managed Service for Apache Spark'ta küme oluşturma ve Apache Spark işleri çalıştırma ve makine öğrenimi API'lerini (Cloud Natural Language API, Google Cloud Speech-to-Text API ve Video Intelligence API dahil olmak üzere) çağırma.
This course introduces Google Cloud's AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects. It explores the various technologies, products, and tools available throughout the data-to-AI lifecycle, empowering data scientists, AI developers, and ML engineers to enhance their expertise through interactive exercises.
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.
Giriş düzeyindeki Compute Engine İçin Cloud Load Balancing'i Uygulama beceri rozetini tamamlayarak şu konulardaki becerilerinizi gösterin: Compute Engine'de sanal makineler oluşturma ve dağıtma. Ağ ve uygulama yük dengeleyicileri yapılandırma.
Kurumsal yapay zeka ve makine öğreniminin kullanımı arttıkça, bu teknolojileri sorumlu bir şekilde geliştirmenin önemi de artıyor. Birçok kişi için sorumlu yapay zeka hakkında konuşmak, bunu uygulamaya geçirmekten daha kolaydır. Kuruluşunuzda sorumlu yapay zekayı nasıl hayata geçireceğinizi öğrenmek istiyorsanız bu kurs tam size göre. Bu kursta, kendi sorumlu yapay zeka yaklaşımınızı geliştirirken size rehberlik edecek bir çerçeve oluşturmak adına Google Cloud'un bu süreci günümüzde nasıl yürüttüğünü, en iyi uygulama örneklerini ve edindiğimiz tecrübeleri keşfedeceksiniz.
Agent Platform'da istem mühendisliği, görüntü analizi ve çok modlu üretken teknikler gibi becerileri göstermek için Agent Platform'da İstem Tasarımı beceri rozetini tamamlayın. Etkili istemlerin nasıl oluşturulacağını, üretken yapay zeka çıktılarına nasıl rehberlik edileceğini ve Gemini modellerinin gerçek dünyadaki pazarlama senaryolarına nasıl uygulanacağını keşfedin.
Giriş seviyesindeki bu mikro öğrenme kursu, sorumlu yapay zekanın ne olduğunu, neden önemli olduğunu ve Google'ın sorumlu yapay zekayı ürünlerinde nasıl uyguladığını açıklamayı amaçlamaktadır. Ayrıca Google'ın 3 yapay zeka ilkesini de tanıtır.
Giriş seviyesindeki bu mikro öğrenme kursunda; büyük dil modellerinin (LLM) ne olduğu, hangi kullanım alanlarında kullanılabilecekleri ve istem ayarlama ile LLM performansını nasıl artırabileceğiniz ele alınmaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da yer almaktadır.
Bu giriş seviyesi mikro öğrenme kursu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenimi yöntemlerinden farkını açıklamayı amaçlamaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da ele alınmaktadır.