Unirse Acceder

ibrahim elsanhouri

Miembro desde 2025

Liga de Diamantes

3941 puntos
NCAA® March Madness®: Bracketology with Google Cloud Earned mar 29, 2026 EDT
Introduction to Vertex Forecasting and Time Series in Practice Earned mar 27, 2026 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Español Earned mar 12, 2026 EDT
Cómo utilizar el aprendizaje automático de BigQuery para ejecutar inferencias Earned mar 11, 2026 EDT
Transmite análisis a BigQuery Earned mar 11, 2026 EDT
Operaciones de aprendizaje automático (MLOps): Primeros pasos Earned mar 11, 2026 EDT
Trabaja con Notebooks en Vertex AI Earned mar 10, 2026 EDT
BigQuery para el aprendizaje automático Earned mar 9, 2026 EDT
Crea canalizaciones de datos de transmisión en Google Cloud Earned feb 9, 2026 EST

In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.

Más información

This course is an introduction to building forecasting solutions with Google Cloud. You start with sequence models and time series foundations. You then walk through an end-to-end workflow: from data preparation to model development and deployment with Vertex AI. Finally, you learn the lessons and tips from a retail use case and apply the knowledge by building your own forecasting models.

Más información

La incorporación del aprendizaje automático en las canalizaciones de datos aumenta la capacidad para extraer estadísticas de los datos. En este curso, veremos formas de incluir el aprendizaje automático en las canalizaciones de datos en Google Cloud. Para una personalización escasa o nula, en el curso se aborda AutoML. Para obtener más capacidades de aprendizaje automático a medida, el curso presenta Notebooks y BigQuery Machine Learning (BigQuery ML). Además, en este curso se aborda cómo llevar a producción soluciones de aprendizaje automático con Vertex AI.

Más información

Descubre cómo ejecutar inferencias con BigQuery ML, por qué deben utilizarlo los analistas de datos, sus casos de uso y los modelos de AA compatibles. También aprenderás a crear y administrar estos modelos de AA en BigQuery.

Más información

Obtén una insignia de habilidad completando el curso Transmite análisis a BigQuery, en el que usarás Pub/Sub, Dataflow y BigQuery en conjunto para transmitir datos para análisis.

Más información

En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.

Más información

Este curso es una introducción a Notebooks de Vertex AI, que son entornos basados en notebooks de Jupyter que proporcionan una plataforma unificada para todo el flujo de trabajo de aprendizaje automático, desde la preparación de los datos hasta la implementación y supervisión de los modelos. Se abordan los siguientes temas: (1) Los diferentes tipos de Notebooks de Vertex AI y sus funciones y (2) cómo crear y administrar Notebooks de Vertex AI.

Más información

¿Quieres compilar modelos de AA en minutos en lugar de horas utilizando únicamente SQL? BigQuery ML democratiza el aprendizaje automático, ya que permite que los analistas de datos creen, entrenen, evalúen y realicen predicciones con modelos de aprendizaje automático a través de herramientas y habilidades de SQL existentes. En esta serie de labs, experimentarás con diferentes tipos de modelos y aprenderás cuáles son las características de un buen modelo.

Más información

En este curso, adquirirás experiencia práctica para superar los desafíos del mundo real que se presentan cuando se crean canalizaciones de datos de transmisión. El enfoque principal es administrar datos continuos y no delimitados con los productos de Google Cloud.

Más información