Partecipa Accedi

Radu Mihai

Membro dal giorno 2023

Viaggio nell'AI generativa - Agent Platform Earned lug 5, 2025 EDT
Introduction to Generative AI - Italiano Earned giu 30, 2025 EDT
Machine Learning Operations (MLOps): Getting Started Earned giu 30, 2025 EDT
Production Machine Learning Systems Earned giu 29, 2025 EDT
DEPRECATED Build and Deploy Machine Learning Solutions on Vertex AI Earned mag 19, 2025 EDT
Engineer Data for Predictive Modeling with BigQuery ML Earned mag 4, 2025 EDT
[Deprecated] Classify Images with TensorFlow on Google Cloud Earned apr 19, 2025 EDT
BigQuery for Machine Learning Earned apr 9, 2025 EDT
Prepara i dati per le API ML su Google Cloud Earned apr 3, 2025 EDT
Introduzione all'AI e al machine learning su Google Cloud Earned mar 31, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - Italiano Earned gen 2, 2024 EST
Creazione di pipeline di dati in batch su Google Cloud Earned dic 26, 2023 EST
Modernizzazione di data lake e data warehouse con Google Cloud Earned nov 6, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - Italiano Earned ott 2, 2023 EDT

Il corso Viaggio nell'AI generativa - Agent Platform è una raccolta di lab su come utilizzare l'AI generativa su Google Cloud. Nei lab imparerai a utilizzare i modelli Gemini in Agent Platform. Scoprirai inoltre come progettare i prompt, le best practice da seguire e come utilizzare l'AI generativa per l'ideazione, la classificazione, l'estrazione e il riassunto di testi e molto altro ancora. Imparerai anche come ottimizzare un foundation model addestrandolo tramite addestramento personalizzato in Agent Platform ed eseguendo il deployment su un endpoint in Agent Platform.

Scopri di più

Questo è un corso di microlearning di livello introduttivo volto a spiegare cos'è l'AI generativa, come viene utilizzata e in che modo differisce dai tradizionali metodi di machine learning. Descrive inoltre gli strumenti Google che possono aiutarti a sviluppare le tue app Gen AI.

Scopri di più

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.

Scopri di più

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.

Scopri di più

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions on Vertex AI skill badge course, where you learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models.

Scopri di più

Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.

Scopri di più

Earn the intermediate Skill Badge by completing the Classify Images with TensorFlow on Google Cloud skill badge course where you learn how to use TensorFlow and Vertex AI to create and train machine learning models. You primarily interact with Vertex AI Workbench user-managed notebooks.

Scopri di più

Want to build ML models in minutes instead of hours using just SQL? BigQuery ML democratizes machine learning by letting data analysts create, train, evaluate, and predict with machine learning models using existing SQL tools and skills. In this series of labs, you will experiment with different model types and learn what makes a good model.

Scopri di più

Ottieni il corso intermedio con badge delle competenze Prepara i dati per le API ML su Google Cloud per dimostrare le tue competenze nei seguenti ambiti: pulizia dei dati con Dataprep di Trifacta, esecuzione delle pipeline di dati in Dataflow, creazione dei cluster ed esecuzione dei job Apache Spark in Managed Service for Apache Spark e richiamo delle API ML tra cui l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text e l'API Video Intelligence.

Scopri di più

Questo corso presenta le offerte di intelligenza artificiale (AI) e machine learning (ML) su Google Cloud per la creazione di progetti di AI predittiva e generativa. Esplora le tecnologie, i prodotti e gli strumenti disponibili durante tutto il ciclo di vita data-to-AI, includendo le basi, lo sviluppo e le soluzioni di AI. Ha lo scopo di aiutare data scientist, sviluppatori di AI e ML engineer a migliorare le proprie abilità e conoscenze attraverso attività di apprendimento coinvolgenti ed esercizi pratici.

Scopri di più

L'integrazione del machine learning nelle pipeline di dati aumenta la capacità di estrarre insight dai dati. Questo corso illustra i modi in cui il machine learning può essere incluso nelle pipeline di dati su Google Cloud. Per una personalizzazione minima o nulla, il corso tratta di AutoML. Per funzionalità di machine learning più personalizzate, il corso introduce Notebooks e BigQuery Machine Learning (BigQuery ML). Inoltre, il corso spiega come mettere in produzione soluzioni di machine learning utilizzando Vertex AI.

Scopri di più

Le pipeline di dati in genere rientrano in uno dei paradigmi EL (Extract, Load), ELT (Extract, Load, Transform) o ETL (Extract, Transform, Load). Questo corso descrive quale paradigma dovrebbe essere utilizzato e quando per i dati in batch. Inoltre, questo corso tratta diverse tecnologie su Google Cloud per la trasformazione dei dati, tra cui BigQuery, l'esecuzione di Spark su Dataproc, i grafici della pipeline in Cloud Data Fusion e trattamento dati serverless con Dataflow. Gli studenti fanno esperienza pratica nella creazione di componenti della pipeline di dati su Google Cloud utilizzando Qwiklabs.

Scopri di più

I due componenti chiave di qualsiasi pipeline di dati sono costituiti dai data lake e dai data warehouse. In questo corso evidenzieremo i casi d'uso per ogni tipo di spazio di archiviazione e approfondiremo i dettagli tecnici delle soluzioni di data lake e data warehouse disponibili su Google Cloud. Inoltre, descriveremo il ruolo di un data engineer, illustreremo i vantaggi di una pipeline di dati di successo per le operazioni aziendali ed esamineremo i motivi per cui il data engineering dovrebbe essere eseguito in un ambiente cloud. Questo è il primo corso della serie Data engineering su Google Cloud. Dopo il completamento di questo corso, iscriviti al corso Creazione di pipeline di dati in batch su Google Cloud.

Scopri di più

Questo corso presenta i prodotti e i servizi per big data e di machine learning di Google Cloud che supportano il ciclo di vita dai dati all'IA. Esplora i processi, le sfide e i vantaggi della creazione di una pipeline di big data e di modelli di machine learning con Vertex AI su Google Cloud.

Scopri di più