Anuj Joshi
Menjadi anggota sejak 2020
Menjadi anggota sejak 2020
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.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Aplikasi Cloud Cerdas dengan Vibe Coding dan MCP yang membahas cara memanfaatkan kemampuan asisten coding AI Google dan server MCP.
Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit untuk menunjukkan keterampilan dalam hal berikut: membuat teks, menerapkan panggilan fungsi dengan Python SDK dan Gemini API, serta men-deploy aplikasi Streamlit dengan Cloud Run. Anda akan mempelajari berbagai cara memberikan perintah kepada Gemini untuk membuat teks, menggunakan Cloud Shell untuk menguji dan melakukan iterasi pada aplikasi Streamlit, lalu mengemasnya sebagai container Docker yang di-deploy di Cloud Run.
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.
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.
Selesaikan badge keahlian pengantar Desain Perintah dalam Vertex AI untuk menunjukkan keterampilan Anda dalam hal berikut: rekayasa perintah, analisis gambar, dan teknik generatif multimodal, dalam Vertex AI. Pelajari cara membuat perintah yang efektif, memandu output AI generatif, dan menerapkan model Gemini dalam skenario pemasaran di dunia nyata.
Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.
Dapatkan Badge Keahlian tingkat menengah dengan menyelesaikan kursus badge keahlian Mengklasifikasikan Gambar dengan TensorFlow di Google Cloud, tempat Anda mempelajari cara menggunakan TensorFlow dan Vertex AI untuk membuat dan melatih model machine learning. Anda akan banyak berinteraksi dengan notebook yang dikelola pengguna di Vertex AI Workbench.
This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.
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.
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.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.
Kursus Penjelajah AI Generatif - Vertex AI adalah sekumpulan lab yang membahas cara menggunakan AI Generatif di Google Cloud. Melalui lab ini, Anda akan mempelajari cara menggunakan model dalam rangkaian Vertex AI PaLM API, termasuk text-bison, chat-bison, dan textembedding-gecko. Anda juga akan mempelajari desain perintah, praktik terbaik, serta cara menggunakannya untuk pencarian ide, klasifikasi teks, ekstraksi teks, peringkasan teks, dan banyak lagi. Anda juga akan mempelajari cara menyesuaikan model dasar dengan melatihnya melalui pelatihan kustom Vertex AI dan men-deploy-nya ke endpoint Vertex AI.
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.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.
Ingin membangun model ML dalam hitungan menit, bukan jam, hanya dengan menggunakan SQL? BigQuery ML memperluas akses machine learning dengan memungkinkan analis data membuat, melatih, mengevaluasi, dan memprediksi sesuatu dengan model machine learning menggunakan alat serta keterampilan SQL yang ada. Dalam rangkaian lab ini, Anda akan bereksperimen dengan beragam jenis model dan mempelajari ciri-ciri model yang baik.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
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.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
Selesaikan badge keahlian pengantar Mendapatkan Insight dari Data BigQuery untuk menunjukkan keterampilan dalam hal berikut: menulis kueri SQL, membuat kueri tabel publik, memuat sampel data ke dalam BigQuery, memecahkan masalah error sintaksis umum dengan validator kueri di BigQuery, dan membuat laporan di Looker Studio dengan menghubungkannya ke data BigQuery.
Welcome Gamers! Learn Google Cloud's Vertex AI, all while having fun! Vertex AI is Google Cloud's unified ML platform for solving your tough business problems. You will compete to see who can finish the game with the highest score. Earn the points by completing the steps in the lab.... and get bonus points for speed! Be sure to click "End" when you're done with each lab to get the maximum points. All players will be awarded the game badge.
Selesaikan badge keahlian tingkat menengah Menerapkan Dasar-Dasar Keamanan Cloud di Google Cloud untuk menunjukkan kemahiran dalam hal berikut: membuat dan menetapkan peran dengan Identity and Access Management (IAM); membuat dan mengelola akun layanan; memungkinkan konektivitas pribadi di seluruh jaringan virtual private cloud (VPC); membatasi akses aplikasi menggunakan Identity-Aware Proxy; mengelola kunci dan data terenkripsi dengan Cloud Key Management Service (KMS); dan membuat cluster Kubernetes pribadi.
Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.
Selesaikan badge keahlian Men-deploy Aplikasi Kubernetes di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut ini: mengonfigurasi dan membangun image container Docker, membuat dan mengelola cluster Google Kubernetes Engine (GKE), memanfaatkan kubectl untuk pengelolaan cluster yang efisien, dan men-deploy aplikasi Kubernetes dengan praktik continuous delivery (CD) yang andal.
Google Cloud Application Programming Interfaces are the mechanism to interact with Google Cloud Services programmatically. This quest will give you hands-on practice with a variety of GCP APIs, which you will learn through working with Google’s APIs Explorer, a tool that allows you to browse APIs and run their methods interactively. By learning how to transfer data between Cloud Storage buckets, deploy Compute Engine instances, configure Dataproc clusters and much more, Exploring APIs will show you how powerful APIs are and why they are used almost exclusively by proficient GCP users. Enroll in this quest today.
Dasar-Dasar Google Cloud: Infrastruktur Inti memperkenalkan konsep dan terminologi penting untuk bekerja dengan Google Cloud. Melalui video dan lab interaktif, kursus ini menyajikan dan membandingkan banyak layanan komputasi dan penyimpanan Google Cloud, bersama dengan resource penting dan alat pengelolaan kebijakan.
Dapatkan badge keahlian dengan menyelesaikan kursus Mengembangkan Jaringan Google Cloud Anda yang berisi pelajaran tentang berbagai cara untuk men-deploy dan memantau aplikasi, termasuk cara: menjelajahi peran IAM dan menambahkan/menghapus akses project, membuat jaringan VPC, men-deploy dan memantau VM Compute Engine, menulis kueri SQL, men-deploy dan memantau VM di Compute Engine, serta men-deploy aplikasi menggunakan Kubernetes dengan beberapa pendekatan deployment.
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.
For everyone using Google Cloud Platform for the first time, getting familar with gcloud, Google Cloud's command line, will help you get up to speed faster. In this quest, you'll learn how to install and configure Cloud SDK, then use gcloud to perform some basic operations like creating VMs, networks, using BigQuery, and using gsutil to perform operations.
Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Jaringan Google Cloud yang Aman yang membahas resource yang terkait dengan beberapa jaringan untuk membangun, menskalakan, dan mengamankan aplikasi Anda di Google Cloud.
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Dalam kursus tingkat pemula ini, Anda akan mendapatkan praktik langsung dengan alat dan layanan dasar Google Cloud. Video opsional disediakan untuk memberikan konteks dan ulasan lebih lanjut mengenai konsep-konsep yang dibahas dalam lab ini. Dasar-Dasar Google Cloud adalah kursus pertama yang direkomendasikan bagi peserta kursus Google Cloud— Anda bisa mengikutinya dengan pengetahuan yang minim atau tanpa pengetahuan sama sekali tentang cloud, dan mendapatkan pengalaman praktis yang dapat diterapkan pada project Google Cloud pertama Anda setelah menyelesaikan kursus ini. Mulai dari menulis perintah Cloud Shell dan men-deploy virtual machine pertama Anda, hingga menjalankan aplikasi di Kubernetes Engine atau dengan load balancing, Dasar-Dasar Google Cloud merupakan pengantar utama untuk fitur dasar platform ini.