DIALLO Ahmed oury
Menjadi anggota sejak 2022
Gold League
25045 poin
Mekanisme Atensi
Earned Jan 27, 2025 EST
Pengantar Pembuatan Gambar
Earned Jan 27, 2025 EST
Membangun Infrastruktur dengan Terraform di Google Cloud
Earned Jun 14, 2024 EDT
Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud
Earned Mei 5, 2024 EDT
Mengimplementasikan Cloud Load Balancing untuk Compute Engine
Earned Mei 4, 2024 EDT
Dasar-Dasar Google Cloud: Infrastruktur Inti
Earned Mei 4, 2024 EDT
Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML
Earned Jan 30, 2024 EST
Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI
Earned Jan 21, 2024 EST
Membangun Data Warehouse dengan BigQuery
Earned Des 27, 2023 EST
Menyiapkan Data untuk ML API di Google Cloud
Earned Des 27, 2023 EST
Serverless Data Processing with Dataflow: Foundations
Earned Des 25, 2023 EST
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Des 20, 2023 EST
Build Streaming Data Pipelines on Google Cloud
Earned Des 15, 2023 EST
Build Batch Data Pipelines on Google Cloud
Earned Okt 23, 2023 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Okt 10, 2023 EDT
Dalam kursus ini Anda akan diperkenalkan dengan mekanisme atensi, yakni teknik efektif yang membuat jaringan neural berfokus pada bagian tertentu urutan input. Anda akan mempelajari cara kerja atensi, cara penggunaannya untuk meningkatkan performa berbagai tugas machine learning, termasuk terjemahan mesin, peringkasan teks, dan menjawab pertanyaan.
Pelajari lebih lanjut
Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.
Pelajari lebih lanjut
Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.
Pelajari lebih lanjut
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Pelajari lebih lanjut
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.
Pelajari lebih lanjut
Dasar-Dasar Google Cloud: Infrastruktur Inti memperkenalkan konsep dan terminologi penting untuk bekerja dengan Google Cloud. Melalui video dan lab interaktif, kursus ini menyajikan dan membandingkan banyak layanan komputasi dan penyimpanan Google Cloud, bersama dengan resource penting dan alat pengelolaan kebijakan.
Pelajari lebih lanjut
Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.
Pelajari lebih lanjut
Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI, tempat Anda akan belajar cara menggunakan platform Vertex AI Google Cloud, AutoML, dan layanan pelatihan kustom untuk melatih, mengevaluasi, menyesuaikan, menjelaskan, serta men-deploy model machine learning. Kursus badge keahlian ini diperuntukkan bagi Data Scientist dan Engineer Machine Learning profesional. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan Badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge digital yang dapat Anda bagikan ke jaringan Anda.
Pelajari lebih lanjut
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.
Pelajari lebih lanjut
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 Managed Service for Apache Spark, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
Pelajari lebih lanjut
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.
Pelajari lebih lanjut
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
Pelajari lebih lanjut
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.
Pelajari lebih lanjut
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting.
Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
Pelajari lebih lanjut
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.
Pelajari lebih lanjut
