Dołącz Zaloguj się

Wykorzystuj swoje umiejętności w konsoli Google Cloud

CHEAH CHIN HONG Carrick

Jest członkiem od 2023

Liga srebrna

29060 pkt.
Build a Certification Study Guide: PMLE Earned lip 31, 2025 EDT
Odpowiedzialna AI dla deweloperów: interpretowalność i przejrzystość Earned wrz 16, 2024 EDT
Odpowiedzialna AI dla deweloperów: obiektywność i uprzedzenia Earned wrz 15, 2024 EDT
Machine Learning Operations (MLOps): Getting Started Earned wrz 15, 2024 EDT
Feature Engineering Earned sie 27, 2024 EDT
Handle Consumer Interactions with CCaaS Earned lip 15, 2024 EDT
Machine Learning Operations (MLOps) for Generative AI Earned cze 28, 2024 EDT
Vector Search and Embeddings Earned cze 3, 2024 EDT
Prompt Design in Vertex AI Earned cze 3, 2024 EDT
Responsible AI: Applying AI Principles with Google Cloud - Polski Earned cze 3, 2024 EDT
Generative AI Explorer - Vertex AI Earned cze 3, 2024 EDT
Gemini for Data Scientists and Analysts Earned maj 19, 2024 EDT
Introduction to Responsible AI - Polski Earned maj 18, 2024 EDT
Introduction to Large Language Models - Polski Earned maj 18, 2024 EDT
Introduction to Generative AI - Polski Earned maj 18, 2024 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud Earned kwi 23, 2024 EDT
Launching into Machine Learning Earned kwi 21, 2024 EDT
Introduction to AI and Machine Learning on Google Cloud Earned kwi 20, 2024 EDT
Computer Vision Fundamentals with Google Cloud Earned sty 19, 2024 EST

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.

Więcej informacji

Na tym szkoleniu przedstawiamy koncepcje interpretowalności i przejrzystości AI. Omawiamy na nim, jak ważna jest przejrzystość AI dla deweloperów i inżynierów. Pokazujemy praktyczne techniki i narzędzia, które pomagają osiągnąć interpretowalność oraz przejrzystość zarówno w danych, jak i modelach AI.

Więcej informacji

Na tym szkoleniu przedstawiamy koncepcje odpowiedzialnej AI i zasad dotyczących AI. Omawiamy praktyczne metody identyfikowania obiektywności i uprzedzeń, a także ograniczania występowania uprzedzeń podczas używania AI/ML. W trakcie szkolenia przedstawiamy też praktyczne techniki i narzędzia, które umożliwiają wdrożenie sprawdzonych metod w zakresie odpowiedzialnej AI przy użyciu usług Google Cloud oraz narzędzi open source.

Więcej informacji

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.

Więcej informacji

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

Więcej informacji

This course teaches contact center agents about the core agent features and functionality in Contact Center as a Service (CCaaS). CCaaS is a unified contact center platform that accelerates an organization's ability to leverage and deploy contact centers without relying on multiple technology providers. This course is most appropriate for those who handle consumer interactions via chat and call.

Więcej informacji

This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Vertex AI empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.

Więcej informacji

Explore AI-powered search technologies, tools, and applications in this course. Learn semantic search utilizing vector embeddings, hybrid search combining semantic and keyword approaches, and retrieval-augmented generation (RAG) minimizing AI hallucinations as a grounded AI agent. Gain practical experience with Vertex AI Vector Search to build your intelligent search engine.

Więcej informacji

Complete the introductory Prompt Design in Vertex AI skill badge to demonstrate skills in the following: prompt engineering, image analysis, and multimodal generative techniques, within Vertex AI. Discover how to craft effective prompts, guide generative AI output, and apply Gemini models to real-world marketing scenarios.

Więcej informacji

Im szerzej wykorzystuje się w firmach sztuczną inteligencję i systemy uczące się, tym większej wagi nabiera odpowiedzialne podejście do opracowywania tych technologii. Wielu organizacjom trudniej jest jednak wprowadzić zasady odpowiedzialnej AI w praktyce niż tylko o tym rozmawiać. To szkolenie jest przeznaczone dla osób, które chcą się dowiedzieć, jak wdrożyć odpowiedzialną AI w swojej organizacji. W jego trakcie dowiesz się, jak robimy to w Google Cloud, oraz poznasz sprawdzone metody i wnioski z naszych działań w tym zakresie. Pomoże Ci to opracować własne podejście do odpowiedzialnej AI.

Więcej informacji

The Generative AI Explorer - Vertex Quest is a collection of labs on how to use Generative AI on Google Cloud. Through the labs, you will learn about how to use the models in the Vertex AI PaLM API family, including text-bison, chat-bison, and textembedding-gecko. You will also learn about prompt design, best practices, and how it can be used for ideation, text classification, text extraction, text summarization, and more. You will also learn how to tune a foundation model by training it via Vertex AI custom training and deploy it to a Vertex AI endpoint.

Więcej informacji

In this course, you learn how Gemini, a generative AI-powered collaborator from Google Cloud, helps analyze customer data and predict product sales. You also learn how to identify, categorize, and develop new customers using customer data in BigQuery. Using hands-on labs, you experience how Gemini improves data analysis and machine learning workflows. Duet AI was renamed to Gemini, our next-generation model.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.

Więcej informacji

To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Więcej informacji

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.

Więcej informacji

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.

Więcej informacji

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

Więcej informacji