Miembro desde 2022
Diseño y aspectos básicos de APIs con la plataforma de APIs de Apigee
Earned jun 23, 2023 EDT
Aspectos básicos de Google Cloud: Infraestructura principal
Earned may 27, 2023 EDT
[DEPRECATED] Ingeniería de atributos
Earned ago 31, 2022 EDT
Launching into Machine Learning - Español
Earned ago 8, 2022 EDT
En este curso, aprenderás a diseñar APIs y a documentarlas según las especificaciones de OpenAPI. Conocerás el ciclo de vida de las APIs y cómo la plataforma de APIs de Apigee ayuda a administrar todos los aspectos de dicho ciclo. Aprenderás a diseñar APIs con proxies de API y a empaquetarlas como productos de APIs para que las utilicen los desarrolladores de apps. A través de una combinación de lecciones, labs prácticos y materiales complementarios, aprenderás a diseñar, crear, proteger, implementar y administrar soluciones de APIs con la plataforma de APIs de Apigee de Google Cloud. Este es el primer curso de la serie Desarrolla APIs con la plataforma de APIs de Apigee. Después de completarlo, inscríbete en el curso Seguridad de APIs con la plataforma de APIs de Apigee.
Aspectos básicos de Google Cloud: Infraestructura principal presenta conceptos y terminología importantes para trabajar con Google Cloud. Mediante videos y labs prácticos, en este curso se presentan y comparan muchos de los servicios de procesamiento y almacenamiento de Google Cloud, junto con importantes recursos y herramientas de administración de políticas.
En este curso, se exploran los beneficios de utilizar Vertex AI Feature Store, cómo mejorar la exactitud de los modelos de AA y cómo descubrir cuáles columnas de datos producen los atributos más útiles. El curso también incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.
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.