We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Kaloina RAKOTONARIVO
Miembro desde 2024
Liga de Diamantes
35186 puntos
Google DeepMind: Entrena un modelo de lenguaje pequeño
Earned ene 19, 2026 EST
Google DeepMind: 04 Discover The Transformer Architecture
Earned ene 19, 2026 EST
Google DeepMind: 03 Design And Train Neural Networks
Earned ene 18, 2026 EST
Google DeepMind: 02 Represent Your Language Data
Earned ene 17, 2026 EST
Google DeepMind: 01 Build Your Own Small Language Model
Earned ene 15, 2026 EST
Aplica todo lo que aprendiste: Prepárate para convertirte en analista de datos en la nube
Earned nov 18, 2025 EST
Sistemas de aprendizaje automático de producción
Earned feb 28, 2025 EST
ML Pipelines on Google Cloud - Español
Earned feb 14, 2025 EST
Operaciones de aprendizaje automático (MLOps) con Vertex AI: Evaluación de modelos
Earned feb 13, 2025 EST
Conceptos básicos de Google Cloud VMware Engine
Earned feb 7, 2025 EST
Crea embeddings, búsqueda de vectores y RAG con BigQuery
Earned feb 5, 2025 EST
Crea apps basadas en IA generativa en Google Cloud
Earned ene 22, 2025 EST
[Deprecated] Advanced ML: ML Infrastructure
Earned ene 22, 2025 EST
Introduction to Reliable Deep Learning
Earned ene 21, 2025 EST
Put It All Together: Prepare for a Cloud Data Analyst Job - Español
Earned jul 26, 2024 EDT
Crea modelos de AA con BigQuery ML
Earned jul 18, 2024 EDT
Data Catalog Fundamentals
Earned jul 17, 2024 EDT
Aplica conceptos avanzados de LookML en Looker
Earned jul 5, 2024 EDT
Developing Data Models with LookML
Earned jun 7, 2024 EDT
Operaciones de aprendizaje automático (MLOps) para la IA generativa
Earned jun 5, 2024 EDT
Introducción a Vertex AI Studio
Earned jun 4, 2024 EDT
Analyzing and Visualizing Data in Looker
Earned abr 11, 2024 EDT
Creación de modelos de generación de subtítulos de imágenes
Earned mar 25, 2024 EDT
Modelos de transformadores y modelo BERT
Earned mar 22, 2024 EDT
Arquitectura de codificador-decodificador
Earned mar 19, 2024 EDT
Mecanismo de atención
Earned mar 15, 2024 EDT
Conceptos básicos de análisis de datos de Google Cloud
Earned mar 15, 2024 EDT
Introducción a la generación de imágenes
Earned mar 13, 2024 EDT
Introducción a la IA responsable
Earned mar 9, 2024 EST
Introducción a la IA generativa
Earned mar 8, 2024 EST
Introducción a los modelos de lenguaje grandes
Earned mar 6, 2024 EST
Obtén la insignia de habilidad avanzada Google DeepMind:Entrena un modelo de lenguaje pequeño completando este curso y demuestra tus habilidades para realizar las siguientes actividades:formular problemas de investigación de modelos de lenguaje del mundo real, crear un tokenizador simple, preparar un conjunto de datos para entrenar un modelo de lenguaje de Transformer y ejecutar el bucle de entrenamiento de un modelo de lenguaje pequeñoAccede a este lab sin costo registrándote en la suscripción sin costo. Recibe 35 créditos gratuitos cada mes.
Más información
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
Más información
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
Más información
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
Más información
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
Más información
Este es el quinto de cinco cursos del Certificado de Google Cloud Data Analytics. En este curso, combinarás y aplicarás los conocimientos y las habilidades fundamentales que se enseñaron del curso 1 al 4 en un proyecto final práctico que se enfoca en el proyecto del ciclo de vida completo de los datos. Practicarás usando herramientas basadas en la nube para adquirir, almacenar, procesar, analizar, visualizar y comunicar estadísticas de datos de manera eficaz. Al final del curso, habrás completado un proyecto en el que demuestras tu dominio en cuanto a estructurar datos de múltiples fuentes con eficacia, presentar soluciones a una variedad de partes interesadas y visualizar estadísticas de datos usando software basado en la nube. También te prepararás actualizando tu currículum y practicando técnicas de entrevista para postularte a trabajos y asistir a entrevistas.
Más información
En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.
Más información
En este curso, aprenderá de los ingenieros y capacitadores de AA que trabajan en el desarrollo de vanguardia de las canalizaciones de AA en Google Cloud. En los primeros módulos, se abordará TensorFlow Extended (o TFX), la plataforma de aprendizaje automático de producción de Google basada en TensorFlow para la administración de canalizaciones y metadatos de AA. Aprenderá sobre los componentes y la organización de las canalizaciones con TFX. También aprenderá cómo automatizar su canalización mediante la integración y la implementación continuas, y cómo administrar ML Metadata. Luego, cambiaremos el enfoque para analizar cómo podemos automatizar y volver a usar las canalizaciones de AA en múltiples frameworks de AA, como TensorFlow, PyTorch, scikit-learn y XGBoost. Además, aprenderá a usar Cloud Composer, otra herramienta de Google Cloud, para organizar sus canalizaciones de entrenamiento continuo. Por último, aprenderá a usar MLflow para administrar el ciclo de vida completo del aprend…
Más información
En este curso, los profesionales del aprendizaje automático aprenderán a utilizar las herramientas, las técnicas y las prácticas recomendadas indispensables para evaluar los modelos de IA generativa y predictiva. La evaluación de modelos es una disciplina esencial para garantizar que los sistemas de AA arrojen resultados confiables, exactos y de alto rendimiento en la producción.
Los participantes obtendrán información exhaustiva sobre diversas métricas y metodologías de evaluación, además de su aplicación adecuada en diferentes tipos de modelos y tareas. En este curso, se hará énfasis en los desafíos únicos que presentan los modelos de IA generativa y se ofrecerán estrategias para abordarlos de manera eficaz. Con la plataforma de Vertex AI de Google Cloud, los participantes aprenderán a implementar los procesos sólidos de evaluación para la selección, optimización y supervisión continua de modelos.
Más información
En este curso, comenzarás estableciendo una base sólida de los conceptos básicos de Google Cloud VMware Engine (GCVE). A partir de ahí, profundizarás en la arquitectura única y los componentes de GCVE explorando cómo preparar, implementar y estudiar las VMs en un entorno de nube privada. Posteriormente, se te guiará a través de la administración y supervisión de tu nube privada, la configuración de componentes de red y de almacenamiento, y la conexión de GCVE con el ecosistema más amplio de servicios de Google Cloud y el Internet.
Más información
En este curso, se explora una solución de generación mejorada por recuperación (RAG) de BigQuery para mitigar las alucinaciones de la IA. Se presenta un flujo de trabajo de RAG que abarca la creación de embeddings, la búsqueda en un espacio vectorial y la generación de respuestas mejoradas. En el curso, se explican los motivos conceptuales de estos pasos y su implementación práctica con BigQuery. Al final del curso, los alumnos podrán crear una canalización de RAG utilizando BigQuery y modelos de IA generativa como Gemini y modelos de embedding para abordar sus propios casos de uso de alucinaciones de IA.
Más información
Las aplicaciones de IA generativa pueden producir nuevas experiencias de usuario que eran casi imposibles antes de la invención de los modelos de lenguaje grandes (LLM). Como desarrollador de aplicaciones, ¿cómo puedes utilizar la IA generativa para crear apps interesantes y potentes en Google Cloud?
En este curso, aprenderás sobre las aplicaciones de IA generativa y cómo puedes utilizar el diseño de instrucciones y la generación mejorada por recuperación (RAG) para crear aplicaciones potentes utilizando LLM. Aprenderás sobre una arquitectura lista para producción que puede utilizarse para aplicaciones basadas en IA generativa y crearás una app de chat basada en un LLM y RAG.
Más información
Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on Google Cloud.
Más información
This course introduces you to the world of reliable deep learning, a critical discipline focused on developing machine learning models that not only make accurate predictions but also understand and communicate their own uncertainty. You'll learn how to create AI systems that are trustworthy, robust, and adaptable, particularly in high-stakes scenarios where errors can have significant consequences.
Más información
Este es el quinto de cinco cursos del Certificado de Google Cloud Data Analytics. En este curso, combinarás y aplicarás los conocimientos y las habilidades fundamentales que se enseñaron del curso 1 al 4 en un proyecto final práctico que se enfoca en el proyecto del ciclo de vida completo de los datos. Practicarás usando herramientas basadas en la nube para adquirir, almacenar, procesar, analizar, visualizar y comunicar estadísticas de datos de manera eficaz. Al final del curso, habrás completado un proyecto en el que demuestras tu dominio en cuanto a estructurar datos de múltiples fuentes con eficacia, presentar soluciones a una variedad de partes interesadas y visualizar estadísticas de datos usando software basado en la nube. También te prepararás actualizando tu currículum y practicando técnicas de entrevista para postularte a trabajos y asistir a entrevistas.
Más información
Obtén la insignia de habilidad intermedia Crea modelos de AA con BigQuery ML y demuestra tus habilidades para crear y evaluar modelos de aprendizaje automático con BigQuery ML para realizar predicciones de datos.
Más información
Data Catalog es un servicio de administración de metadatos completamente administrado y escalable que permite a las organizaciones descubrir, comprender y administrar todos sus datos con rapidez.En esta Quest, comenzará por aprender actividades básicas como buscar y etiquetar recursos de datos y metadatos con Data Catalog. Una vez que aprenda a crear sus propias plantillas de etiquetado que se mapeen a datos de tablas de BigQuery, descubrirá cómo incorporar MySQL, PostgreSQL y SQL Server a conectores de Data Catalog.
Más información
En este curso, adquirirás experiencia práctica en la aplicación de conceptos avanzados de LookML en Looker. Aprenderás a usar Liquid para personalizar y crear dimensiones y mediciones dinámicas, crear tablas derivadas de SQL dinámicas y tablas derivadas nativas personalizadas, y a utilizar extensiones para modularizar tu código de LookML.
Más información
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.
Más información
El objetivo de este curso es equiparte con los conocimientos y las herramientas que necesitas para descubrir los desafíos únicos que enfrentan los equipos de MLOps cuando implementan y administran modelos de IA generativa, y explorar cómo Vertex AI fortalece a los equipos de IA para optimizar los procesos de MLOps y alcanzar el éxito en los proyectos de IA generativa.
Más información
En este curso, se presenta Vertex AI Studio, una herramienta para interactuar con modelos de IA generativa, crear prototipos de ideas de negocio y llevarlas a producción. A través de un caso de uso envolvente, lecciones atractivas y un lab práctico, explorarás el ciclo de vida desde la instrucción hasta el producto y aprenderás cómo aprovechar Vertex AI Studio para aplicaciones multimodales de Gemini, diseño de instrucciones, ingeniería de instrucciones y ajuste de modelos. El objetivo es permitirte desbloquear el potencial de la IA generativa en tus proyectos con Vertex AI Studio.
Más información
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Más información
En este curso, se te enseña a crear un modelo de generación de leyendas de imágenes con el aprendizaje profundo. Aprenderás sobre los distintos componentes de los modelos de generación de leyendas de imágenes, como el codificador y el decodificador, y cómo entrenar y evaluar tu modelo. Al final del curso, podrás crear tus propios modelos y usarlos para generar leyendas de imágenes.
Más información
En este curso, se presentan la arquitectura de transformadores y el modelo de Bidirectional Encoder Representations from Transformers (BERT). Aprenderás sobre los componentes principales de la arquitectura de transformadores, como el mecanismo de autoatención, y cómo se usa para crear el modelo BERT. También aprenderás sobre las diferentes tareas para las que puede usarse BERT, como la clasificación de texto, la respuesta de preguntas y la inferencia de lenguaje natural. Tardarás aproximadamente 45 minutos en completar este curso.
Más información
En este curso, se brinda un resumen de la arquitectura de codificador-decodificador, una arquitectura de aprendizaje automático importante y potente para realizar tareas de secuencia por secuencia, como las de traducción automática, resúmenes de texto y respuestas a preguntas. Aprenderás sobre los componentes principales de la arquitectura de codificador-decodificador y cómo entrenar y entregar estos modelos. En la explicación del lab, programarás una implementación sencilla de la arquitectura de codificador-decodificador en TensorFlow para generar poemas desde un comienzo.
Más información
Este curso es una introducción al mecanismo de atención, una potente técnica que permite a las redes neuronales enfocarse en partes específicas de una secuencia de entrada. Sabrás cómo funciona la atención y cómo puede utilizarse para mejorar el rendimiento de diversas tareas de aprendizaje automático, como la traducción automática, el resumen de textos y la respuesta a preguntas.
Más información
Descubre cómo convertir datos sin procesar en decisiones claras y fundamentadas en datos con Google Cloud. A través de labs prácticos y situaciones reales, este curso para principiantes te guiará en la consulta de datos en BigQuery, la exploración de tendencias en Looker y la creación de informes interactivos y fáciles de compartir en Data Studio.
Más información
En este curso, se presenta una introducción a los modelos de difusión: una familia de modelos de aprendizaje automático que demostraron ser muy prometedores en el área de la generación de imágenes. Los modelos de difusión se inspiran en la física, específicamente, en la termodinámica. En los últimos años, los modelos de difusión se han vuelto populares tanto en investigaciones como en la industria. Los modelos de difusión respaldan muchos de los modelos de generación de imágenes y herramientas vanguardistas de Google Cloud. En este curso, se presenta la teoría detrás de los modelos de difusión y cómo entrenarlos y, luego, implementarlos en Vertex AI.
Más información
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA responsable, por qué es importante y cómo la implementa Google en sus productos. También se presentan los 7 principios de la IA de Google.
Más información
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA generativa, cómo se utiliza y en qué se diferencia de los métodos de aprendizaje automático tradicionales. También menciona las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Más información
Este es un curso introductorio de microaprendizaje en el que se explora qué son los modelos de lenguaje grandes (LLM), sus casos de uso y cómo se puede utilizar el ajuste de instrucciones para mejorar el rendimiento de los LLM. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Más información
