Javier Celdrán
Jest członkiem od 2023
Introduction to AI Agent Workflow
Earned lis 14, 2025 EST
Build a Certification Study Guide: PMLE
Earned maj 31, 2025 EDT
Machine Learning Operations (MLOps): Getting Started
Earned sie 25, 2024 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned sie 25, 2024 EDT
Recommendation Systems on Google Cloud
Earned sie 25, 2024 EDT
DEPRECATED Build and Deploy Machine Learning Solutions on Vertex AI
Earned sie 13, 2024 EDT
Przygotowywanie danych do użycia z interfejsami ML w Google Cloud
Earned sie 12, 2024 EDT
Introduction to Generative AI - Polski
Earned sie 12, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned sie 9, 2024 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned cze 5, 2024 EDT
Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine
Earned cze 3, 2024 EDT
Konfigurowanie środowiska programistycznego w Google Cloud
Earned sie 25, 2023 EDT
Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine
Earned lip 19, 2023 EDT
Master your Cloud skills through hands-on labs and friendly competition! Cloud Hero challenges you to conquer a series of hands-on labs, putting your newfound knowledge to practice. Earn points for completing labs accurately, and rack up bonus points for speed. The leaderboard lets you see how you stack up against your peers – can you rise to the top? Remember to click "End" after finishing each lab to claim your well-deserved points.
Więcej informacji
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.
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
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Więcej informacji
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
Więcej informacji
Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions on Vertex AI skill badge course, where you learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models.
Więcej informacji
Ukończ szkolenie wprowadzające Przygotowywanie danych do użycia z interfejsami ML w Google Cloud, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: czyszczenie danych przy użyciu usługi Dataprep firmy Trifacta, uruchamianie potoków danych w Dataflow, tworzenie klastrów i uruchamianie zadań Apache Spark w Managed Service for Apache Spark, a także wywoływanie interfejsów API dotyczących uczenia maszynowego, w tym Cloud Natural Language API, Google Cloud Speech-to-Text API oraz Video Intelligence API.
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
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
Więcej informacji
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.
Więcej informacji
Ukończ szkolenie wprowadzające Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: tworzenie i wdrażanie maszyn wirtualnych w Compute Engine oraz konfigurowanie sieciowych systemów równoważenia obciążenia i systemów równoważenia obciążenia aplikacji.
Więcej informacji
Aby zdobyć odznakę umiejętności, ukończ szkolenie Konfigurowanie środowiska programistycznego w Google Cloud, w trakcie którego dowiesz się, jak utworzyć i podłączyć infrastrukturę w chmurzę do przechowywania danych przy użyciu podstawowych funkcji technologii Cloud Storage, Identity and Access Management, Cloud Functions oraz Pub/Sub.
Więcej informacji
Ukończ szkolenie wprowadzające Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: tworzenie i wdrażanie maszyn wirtualnych w Compute Engine oraz konfigurowanie sieciowych systemów równoważenia obciążenia i systemów równoważenia obciążenia aplikacji.
Więcej informacji
