Gabung Login

Kaloina RAKOTONARIVO

Menjadi anggota sejak 2024

Diamond League

35186 poin
Google DeepMind: Melatih Model Bahasa Kecil Earned Jan 19, 2026 EST
Google DeepMind: 04 Discover The Transformer Architecture Earned Jan 19, 2026 EST
Google DeepMind: 03 Design And Train Neural Networks Earned Jan 18, 2026 EST
Google DeepMind: 02 Represent Your Language Data Earned Jan 17, 2026 EST
Google DeepMind: 01 Build Your Own Small Language Model Earned Jan 15, 2026 EST
Menggabungkan Semuanya: Bersiap untuk Pekerjaan sebagai Analis Data Cloud Earned Nov 18, 2025 EST
Production Machine Learning Systems Earned Feb 28, 2025 EST
ML Pipelines on Google Cloud Earned Feb 14, 2025 EST
Machine Learning Operations (MLOps) dengan Vertex AI: Evaluasi Model Earned Feb 13, 2025 EST
Google Cloud VMware Engine Fundamentals Earned Feb 7, 2025 EST
Membuat Embedding, Penelusuran Vektor, dan RAG dengan BigQuery Earned Feb 5, 2025 EST
Membuat Aplikasi AI Generatif di Google Cloud Earned Jan 22, 2025 EST
[Deprecated] Advanced ML: ML Infrastructure Earned Jan 22, 2025 EST
Introduction to Reliable Deep Learning Earned Jan 21, 2025 EST
Put It All Together: Prepare for a Cloud Data Analyst Job Earned Jul 26, 2024 EDT
Membuat Model ML dengan BigQuery ML Earned Jul 18, 2024 EDT
Data Catalog Fundamentals Earned Jul 17, 2024 EDT
Menerapkan Konsep LookML Lanjutan di Looker Earned Jul 5, 2024 EDT
Developing Data Models with LookML Earned Jun 7, 2024 EDT
Machine Learning Operations (MLOps) untuk AI Generatif Earned Jun 5, 2024 EDT
Pengantar Vertex AI Studio Earned Jun 4, 2024 EDT
Analyzing and Visualizing Data in Looker Earned Apr 11, 2024 EDT
Membuat Model Pemberian Teks pada Gambar Earned Mar 25, 2024 EDT
Model Transformer dan Model BERT Earned Mar 22, 2024 EDT
Arsitektur Encoder-Decoder Earned Mar 19, 2024 EDT
Mekanisme Atensi Earned Mar 15, 2024 EDT
Dasar-Dasar Analisis Data Google Cloud Earned Mar 15, 2024 EDT
Pengantar Pembuatan Gambar Earned Mar 13, 2024 EDT
Pengantar Responsible AI Earned Mar 9, 2024 EST
Pengantar AI Generatif Earned Mar 8, 2024 EST
Pengantar Model Bahasa Besar Earned Mar 6, 2024 EST

Dapatkan badge keahlian tingkat lanjut Google DeepMind: Melatih Model Bahasa Kecil dengan menyelesaikan kursus ini untuk menunjukkan keahlian Anda dalam hal berikut: merumuskan masalah riset model bahasa di dunia nyata; membangun tokenizer sederhana; menyiapkan set data untuk melatih model bahasa transformer; menjalankan loop pelatihan model bahasa kecil.Akses lab ini tanpa biaya dengan mendaftar ke langganan gratis. Dapatkan 35 kredit gratis setiap bulan.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Ini adalah kursus kelima dari lima kursus dalam Sertifikat Analisis Data Google Cloud. Dalam kursus ini, Anda akan menggabungkan dan menerapkan pengetahuan serta keterampilan dasar dari kursus 1 sampai 4 dalam project akhir praktis yang berfokus pada project siklus proses data secara keseluruhan. Anda akan mempraktikkan penggunaan alat berbasis cloud untuk mengumpulkan, menyimpan, memproses, menganalisis, memvisualisasikan, dan mengomunikasikan insight data secara efektif. Pada akhir kursus, Anda akan menyelesaikan project yang menunjukkan kemahiran Anda dalam menyusun data secara efektif dari berbagai sumber, mempresentasikan solusi kepada berbagai pemangku kepentingan, dan memvisualisasikan insight data menggunakan software berbasis cloud. Anda juga akan memperbarui resume Anda dan mempraktikkan teknik wawancara untuk membantu mempersiapkan diri melamar pekerjaan dan menghadapi wawancara.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.

Pelajari lebih lanjut

Kursus ini membekali para praktisi machine learning dengan alat, teknik, dan praktik terbaik penting untuk mengevaluasi model AI generatif dan prediktif. Evaluasi model adalah disiplin ilmu yang sangat penting untuk memastikan sistem ML memberikan hasil yang andal, akurat, dan berperforma tinggi dalam produksi. Peserta akan mendapatkan pemahaman yang mendalam mengenai berbagai metrik evaluasi, metodologi, dan penerapannya yang sesuai di berbagai jenis model dan tugas. Kursus ini akan berfokus pada tantangan unik yang dibuat oleh model AI generatif dan memberikan strategi untuk mengatasinya secara efektif. Dengan memanfaatkan platform Vertex AI di Google Cloud, para peserta akan belajar cara mengimplementasikan proses evaluasi yang kuat untuk melakukan pemilihan, pengoptimalan, dan pemantauan berkelanjutan pada model.

Pelajari lebih lanjut

In this course, you will start by building a solid foundation in core Google Cloud VMware Engine (GCVE) concepts. From there, you'll dive into the unique architecture and components of GCVE, exploring how to prepare, deploy, and investigate VMs in a private cloud environment. The course will then guide you through managing and monitoring your private cloud, configuring networking and storage components, and connecting GCVE to the broader ecosystem of Google Cloud services and the internet.

Pelajari lebih lanjut

Kursus ini mengeksplorasi solusi Retrieval-Augmented Generation (RAG) di BigQuery untuk memitigasi halusinasi AI. Kursus ini akan memperkenalkan alur kerja RAG yang mencakup pembuatan embedding, penelusuran ruang vektor, dan pembuatan jawaban yang lebih baik. Kursus ini akan menjelaskan alasan konseptual di balik langkah-langkah ini dan implementasi praktisnya dengan BigQuery. Di akhir kursus, peserta akan dapat membangun pipeline RAG menggunakan BigQuery dan model AI generatif seperti Gemini dan model embedding untuk menangani kasus penggunaan halusinasi AI mereka sendiri.

Pelajari lebih lanjut

Aplikasi AI generatif dapat mewujudkan pengalaman pengguna baru yang hampir tidak dimungkinkan sebelum ditemukannya model bahasa besar (LLM). Sebagai developer aplikasi, bagaimana cara menggunakan AI generatif untuk membangun aplikasi yang menarik dan canggih di Google Cloud? Dalam kursus ini, Anda akan mempelajari aplikasi AI generatif dan cara Anda dapat menggunakan desain perintah serta retrieval-augmented generation (RAG) untuk membangun aplikasi yang canggih menggunakan LLM. Anda akan mempelajari arsitektur siap produksi yang dapat digunakan untuk aplikasi AI generatif dan Anda akan membangun aplikasi chat LLM berbasis RAG.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

This is the fifth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll combine and apply the foundational knowledge and skills from courses 1-4 in a hands-on Capstone project that focuses on the full data lifecycle project. You’ll practice using cloud-based tools to acquire, store, process, analyze, visualize, and communicate data insights effectively. By the end of the course, you’ll have completed a project demonstrating their proficiency in effectively structuring data from multiple sources, presenting solutions to varied stakeholders, and visualizing data insights using cloud-based software. You’ll also update your resume and practice interview techniques to help prepare for applying and interviewing for jobs.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Membuat Model ML dengan BigQuery ML untuk menunjukkan keterampilan dalam hal berikut: membuat dan mengevaluasi model machine learning dengan BigQuery ML untuk membuat prediksi data.

Pelajari lebih lanjut

Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.

Pelajari lebih lanjut

Di kursus ini, Anda akan mendapatkan pengalaman langsung dalam menerapkan konsep LookML lanjutan di Looker. Anda akan mempelajari cara menggunakan Liquid untuk menyesuaikan dan membuat dimensi serta ukuran dinamis, membuat tabel turunan SQL dinamis dan tabel turunan native yang disesuaikan, serta menggunakan ekstensi untuk memodularisasi kode LookML Anda.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.

Pelajari lebih lanjut

Kursus ini memperkenalkan Vertex AI Studio, sebuah alat untuk berinteraksi dengan model AI generatif, membuat prototipe ide bisnis, dan meluncurkannya ke dalam produksi. Melalui kasus penggunaan yang imersif, pelajaran menarik, dan lab interaktif, Anda akan menjelajahi siklus proses dari perintah ke produk dan mempelajari cara memanfaatkan Vertex AI Studio untuk aplikasi multimodal Gemini, desain perintah, rekayasa perintah, dan tuning model. Tujuan kursus ini adalah agar Anda dapat memanfaatkan potensi AI generatif dalam project Anda dengan Vertex AI Studio.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

Kursus ini menjelaskan cara membuat model keterangan gambar menggunakan deep learning. Anda akan belajar tentang berbagai komponen model keterangan gambar, seperti encoder dan decoder, serta cara melatih dan mengevaluasi model. Pada akhir kursus ini, Anda akan dapat membuat model keterangan gambar Anda sendiri dan menggunakannya untuk menghasilkan teks bagi gambar.

Pelajari lebih lanjut

Kursus ini memperkenalkan Anda pada arsitektur Transformer dan model Representasi Encoder Dua Arah dari Transformer (Bidirectional Encoder Representations from Transformers atau BERT). Anda akan belajar tentang komponen utama arsitektur Transformer, seperti mekanisme self-attention, dan cara penggunaannya untuk membangun model BERT. Anda juga akan belajar tentang berbagai tugas yang dapat memanfaatkan BERT, seperti klasifikasi teks, menjawab pertanyaan, dan inferensi natural language. Kursus ini diperkirakan memakan waktu sekitar 45 menit untuk menyelesaikannya.

Pelajari lebih lanjut

Kursus ini memberi Anda sinopsis tentang arsitektur encoder-decoder, yang merupakan arsitektur machine learning yang canggih dan umum untuk tugas urutan-ke-urutan seperti terjemahan mesin, ringkasan teks, dan tanya jawab. Anda akan belajar tentang komponen utama arsitektur encoder-decoder serta cara melatih dan menyalurkan model ini. Dalam panduan lab yang sesuai, Anda akan membuat kode pada penerapan simpel arsitektur encoder-decoder di TensorFlow untuk pembuatan puisi dari awal.

Pelajari lebih lanjut

Dalam kursus ini Anda akan diperkenalkan dengan mekanisme atensi, yakni teknik efektif yang membuat jaringan neural berfokus pada bagian tertentu urutan input. Anda akan mempelajari cara kerja atensi, cara penggunaannya untuk meningkatkan performa berbagai tugas machine learning, termasuk terjemahan mesin, peringkasan teks, dan menjawab pertanyaan.

Pelajari lebih lanjut

Pelajari cara mengubah angka mentah menjadi keputusan yang jelas dan berbasis data di Google Cloud. Melalui lab interaktif dan skenario praktis di dunia nyata, kursus tingkat pemula ini memandu Anda membuat kueri data di BigQuery, mengeksplorasi tren di Looker, dan membuat laporan interaktif yang dapat dibagikan di Data Studio.

Pelajari lebih lanjut

Kursus ini memperkenalkan model difusi, yaitu kelompok model machine learning yang belakangan ini menunjukkan potensinya dalam ranah pembuatan gambar. Model difusi mengambil inspirasi dari fisika, khususnya termodinamika. Dalam beberapa tahun terakhir, model difusi menjadi populer baik di dunia industri maupun penelitian. Model difusi mendasari banyak alat dan model pembuatan gambar yang canggih di Google Cloud. Kursus ini memperkenalkan Anda pada teori yang melandasi model difusi dan cara melatih serta men-deploy-nya di Vertex AI.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga membahas beberapa Alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut