Gastón Echenique
Menjadi anggota sejak 2022
Silver League
28571 poin
Menjadi anggota sejak 2022
Agen AI Generatif: Mentransformasi Organisasi Anda adalah kursus kelima dan terakhir dari jalur pembelajaran Pemimpin AI Generatif. Kursus ini membahas cara organisasi menggunakan agen AI generatif kustom untuk membantu mengatasi tantangan bisnis tertentu. Anda akan mendapatkan praktik langsung dalam membangun agen AI generatif dasar, sambil mempelajari komponen agen ini, seperti model, loop penalaran, dan alat.
Aplikasi AI Generatif: Mentransformasi Pekerjaan Anda adalah kursus keempat dari jalur pembelajaran Generative AI Leader. Kursus ini memperkenalkan aplikasi AI generatif Google, seperti Gemini untuk Workspace dan NotebookLM. Kursus ini memandu Anda memahami konsep seperti grounding, retrieval augmented generation, menyusun perintah yang efektif, dan membangun alur kerja otomatis.
AI Generatif: Memahami Lanskap adalah kursus ketiga dari alur pembelajaran Generative AI Leader. AI generatif mengubah cara kita bekerja dan berinteraksi dengan dunia di sekitar kita. Namun, sebagai seorang pemimpin, bagaimana Anda dapat memanfaatkan kekuatan AI untuk mendorong hasil bisnis yang nyata? Dalam kursus ini, Anda akan mempelajari berbagai lapisan dalam membangun solusi AI generatif, penawaran Google Cloud, dan faktor yang perlu dipertimbangkan saat memilih solusi.
AI Generatif: Memahami Konsep Dasar adalah kursus kedua dari alur pembelajaran Generative AI Leader. Dalam kursus ini, Anda akan mempelajari konsep dasar AI generatif. Anda akan mempelajari perbedaan antara AI, ML, dan AI generatif serta mempelajari bagaimana berbagai jenis data memungkinkan AI generatif mengatasi tantangan bisnis. Anda juga akan mendapatkan insight tentang strategi Google Cloud untuk mengatasi keterbatasan model dasar dan tantangan utama dalam pengembangan dan deployment AI yang bertanggung jawab dan aman.
AI Generatif: Lebih dari Sekadar Chatbot adalah kursus pertama dari alur pembelajaran Generative AI Leader. Kursus ini tidak memiliki prasyarat. Kursus ini bertujuan untuk melampaui pemahaman dasar tentang chatbot guna mengeksplorasi potensi sebenarnya dari AI generatif untuk organisasi Anda. Anda akan mempelajari konsep seperti model dasar dan rekayasa perintah, yang penting untuk memanfaatkan kekuatan AI generatif. Kursus ini juga memandu Anda melalui pertimbangan penting yang harus Anda buat saat mengembangkan strategi AI generatif yang sukses untuk organisasi Anda.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Kursus ini membekali para praktisi machine learning dengan alat, teknik, dan praktik terbaik penting untuk mengevaluasi model AI generatif dan prediktif. Evaluasi model adalah disiplin ilmu yang sangat penting untuk memastikan sistem ML memberikan hasil yang andal, akurat, dan berperforma tinggi dalam produksi. Peserta akan mendapatkan pemahaman yang mendalam mengenai berbagai metrik evaluasi, metodologi, dan penerapannya yang sesuai di berbagai jenis model dan tugas. Kursus ini akan berfokus pada tantangan unik yang dibuat oleh model AI generatif dan memberikan strategi untuk mengatasinya secara efektif. Dengan memanfaatkan platform Vertex AI di Google Cloud, para peserta akan belajar cara mengimplementasikan proses evaluasi yang kuat untuk melakukan pemilihan, pengoptimalan, dan pemantauan berkelanjutan pada model.
Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.
Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
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.
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 Vertex AI Feature Store's streaming ingestion at the SDK layer.
Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.
Learn how to use NotebookLM to create a personalized study guide for the Professional Machine Learning Engineer certification exam (PMLE). You'll review NotebookLM features, create a notebook, and use the study guide to practice for a certification exam.
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.
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Selamat datang di kursus Mulai Menggunakan Google Kubernetes Engine. Jika Anda tertarik dengan Kubernetes, lapisan software yang berada di antara aplikasi Anda dan infrastruktur hardware Anda, maka Anda berada di tempat yang tepat! Google Kubernetes Engine menghadirkan Kubernetes sebagai layanan terkelola di Google Cloud. Tujuan kursus ini adalah untuk memperkenalkan dasar-dasar Google Kubernetes Engine, atau GKE, sebagaimana umumnya disebut, dan cara membuat aplikasi dalam container dan menjalankannya di Google Cloud. Kursus ini dimulai dengan pengantar dasar tentang Google Cloud, lalu dilanjutkan dengan ringkasan container dan Kubernetes, arsitektur Kubernetes, dan operasi Kubernetes.
This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
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.