Ajay Verma
Member since 2024
Member since 2024
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
In this beginner-level course, you will learn about the Data Analytics workflow on Google Cloud and the tools you can use to explore, analyze, and visualize data and share your findings with stakeholders. Using a case study along with hands-on labs, lectures, and quizzes/demos, the course will demonstrate how to go from raw datasets to clean data to impactful visualizations and dashboards. Whether you already work with data and want to learn how to be successful on Google Cloud, or you’re looking to progress in your career, this course will help you get started. Almost anyone who performs or uses data analysis in their work can benefit from this course.
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.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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.
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 Vertex AI platform, participants will learn how to implement robust evaluation processes for model selection, optimization, and continuous monitoring.
The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.
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.
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.
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.
Bu kursta yapay zeka destekli arama teknolojileri, araçları ve uygulamalarını keşfedeceksiniz. Vektör yerleştirmelerinin kullanıldığı semantik aramayı, semantik ve anahtar kelime yaklaşımlarının birleştirildiği karma aramayı ve yapay zeka temsilcisini temellendirerek yapay zeka halüsinasyonlarının en aza indirildiği veriyle artırılmış üretimi (RAG) öğrenin. Akıllı arama motorunuzu oluşturmak için Vertex AI Vector Search'ü uygulamalı olarak deneyin.
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.
Kurumsal yapay zeka ve makine öğreniminin kullanımı artmaya devam ettikçe, bunu sorumlu bir şekilde oluşturmanın önemi de artıyor. Sorumlu yapay zeka hakkında konuşmanın, onu uygulamaya koymaktan çok daha kolay olabilmesi burada bir zorluk oluşturmaktadır. Kuruluşunuzda sorumlu yapay zekayı nasıl işlevsel hale getireceğinizi öğrenmekle ilgileniyorsanız, bu kurs tam size göre. Bu kurs, Google Cloud'un sorumlu yapay zeka yaklaşımını nasıl uyguladığını derinlemesine inceleyerek, kendi sorumlu yapay zeka stratejinizi oluşturmanız için size kapsamlı bir çerçeve sunuyor.
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.
Earn a skill badge by completing the Introduction to Generative AI, Introduction to Large Language Models and Introduction to Responsible AI courses. By passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
Bu kursta Vertex AI Studio tanıtılmaktadır. Bu araç, üretken yapay zeka modelleriyle etkileşime geçmek, kurumsal fikirlerin prototipini oluşturmak ve bunları gerçek hayatta uygulamak için kullanılır. Gerçek hayattan kullanım alanları, etkileşimli dersler ve uygulamalı laboratuvarlar aracılığıyla, ilk istemden son ürüne uzanan yaşam döngüsünü keşfedecek ve çoklu format destekli Gemini uygulamaları, istem tasarımı, istem mühendisliği ve model ayarlama konularında Vertex AI Studio'dan nasıl yararlanabileceğinizi öğreneceksiniz. Bu kursun amacı, Vertex AI Studio'yu kullanarak projelerinizde üretken yapay zekadan yararlanabilmenizi sağlamaktır.
Bu kurs, sorumlu yapay zekanın ne olduğunu, neden önemli olduğunu ve Google'ın sorumlu yapay zekayı ürünlerinde nasıl uyguladığını açıklamayı amaçlayan giriş seviyesinde bir mikro öğrenme kursudur. Ayrıca Google'ın 7 yapay zeka ilkesini de tanıtır.
Bu kursta, kodlayıcı-kod çözücü mimarisi özet olarak anlatılmaktadır. Bu mimari; makine çevirisi, metin özetleme ve soru yanıtlama gibi "sıradan sıraya" görevlerde yaygın olarak kullanılan, güçlü bir makine öğrenimi mimarisidir. Kursta, kodlayıcı-kod çözücü mimarisinin ana bileşenlerini ve bu modellerin nasıl eğitilip sunulacağını öğreneceksiniz. Laboratuvarın adım adım açıklamalı kılavuz bölümünde ise sıfırdan şiir üretmek için TensorFlow'da kodlayıcı-kod çözücü mimarisinin basit bir uygulamasını yazacaksınız.
Bu kurs, derin öğrenmeyi kullanarak görüntülere altyazı ekleme modeli oluşturmayı öğretmektedir. Kurs sırasında görüntülere altyazı ekleme modelinin farklı bileşenlerini (ör. kodlayıcı ve kod çözücü) ve modelinizi eğitip değerlendirmeyi öğreneceksiniz. Bu kursu tamamlayan öğrenciler, kendi görüntülere altyazı ekleme modellerini oluşturabilecek ve bu modelleri görüntülere altyazı oluşturmak için kullanabilecek.
Bu kursta, görüntü üretme alanında gelecek vadeden bir makine öğrenimi modelleri ailesi olan "difüzyon modelleri" tanıtılmaktadır. Difüzyon modelleri fizikten, özellikle de termodinamikten ilham alır. Geçtiğimiz birkaç yıl içinde, gerek araştırma gerekse endüstri alanında difüzyon modelleri popülerlik kazandı. Google Cloud'daki son teknoloji görüntü üretme model ve araçlarının çoğu, difüzyon modelleri ile desteklenmektedir. Bu kursta, difüzyon modellerinin ardındaki teori tanıtılmakta ve bu modellerin Vertex AI'da nasıl eğitilip dağıtılacağı açıklanmaktadır.
Bu kurs, dönüştürücü mimarisini ve dönüştürücülerden çift yönlü kodlayıcı temsilleri (BERT - Encoder Representations from Transformers) modelini tanıtmaktadır. Kursta, öz dikkat mekanizması gibi dönüştürücü mimarisinin ana bileşenlerini ve BERT modelini oluşturmak için dönüştürücünün nasıl kullanıldığını öğreneceksiniz. Ayrıca sınıflandırma, soru yanıtlama ve doğal dil çıkarımı gibi BERT'in kullanılabileceği çeşitli görevler hakkında da bilgi sahibi olacaksınız. Kursun tahmini süresi 45 dakikadır.
Bu kursta nöral ağların, giriş sırasının belirli bölümlerine odaklanmasına olanak tanıyan güçlü bir teknik olan dikkat mekanizması tanıtılmaktadır. Kursta, dikkat mekanizmasının çalışma şeklini ve makine öğrenimi, metin özetleme ve soru yanıtlama gibi çeşitli makine öğrenimi görevlerinin performansını artırmak için nasıl kullanılabileceğini öğreneceksiniz.
Bu giriş seviyesi mikro öğrenme kursunda büyük dil modelleri (BDM) nedir, hangi kullanım durumlarında kullanılabileceği ve büyük dil modelleri performansını artırmak için nasıl istem ayarlaması yapabileceğiniz keşfedilecektir. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirmenize yardımcı olacak Google araçları hakkında bilgi verilecektir.
Bu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenme yöntemlerinden nasıl farklı olduğunu açıklamayı amaçlayan giriş seviyesi bir mikro öğrenme kursudur. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirmenize yardımcı olacak Google Araçlarını da kapsar.