Miembro desde 2024
Google Cloud Big Data and Machine Learning Fundamentals - Español
Earned ago 28, 2024 EDT
Operaciones de aprendizaje automático (MLOps): Primeros pasos
Earned ago 23, 2024 EDT
Introducción a la IA y el aprendizaje automático en Google Cloud
Earned ago 22, 2024 EDT
Launching into Machine Learning - Español
Earned ago 22, 2024 EDT
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
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.
En este curso, se presentan las funciones de IA y aprendizaje automático (AA) de Google Cloud, con un enfoque en el desarrollo de proyectos de IA generativa y predictiva. Se exploran las diversas tecnologías, productos y herramientas disponibles durante el ciclo de vida desde los datos hasta la IA, y se trabaja con ejercicios interactivos para que los científicos de datos, ingenieros de AA y desarrolladores de IA puedan enriquecer su experiencia.
El curso comienza con un debate sobre los datos: cómo mejorar su calidad y cómo realizar análisis exploratorios de ellos. Describimos Vertex AI AutoML y cómo crear, entrenar e implementar un modelo de AA sin escribir una sola línea de código. Conocerás los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.