Muni durga devi Konduru
Participante desde 2026
Liga Prata
5921 pontos
Participante desde 2026
Conclua o curso do selo de habilidade introdutório Criar um data lake seguro no Cloud Storage para demonstrar que você é capaz de: proteger e configurar um bucket do Cloud Storage, usar o Gemini para geração de texto, gerenciar o controle de acesso do IAM e estabelecer um lake do Knowledge Catalog para governança de dados.
Este curso analisa os recursos de segurança essenciais do Model Armor e prepara você para trabalhar com o serviço. Você vai aprender sobre os riscos de segurança associados a LLMs e como o Model Armor protege seus aplicativos de IA.
A inteligência artificial (IA) oferece possibilidades de transformação, mas também traz novos desafios para a segurança. Este curso capacita líderes em segurança e proteção de dados com estratégias para gerenciar essa tecnologia da melhor forma nas organizações. Trabalhe com um framework que foi criado para identificar e mitigar proativamente riscos específicos da IA, proteger dados sensíveis, garantir o compliance e suportar uma infraestrutura de IA resiliente. Analise casos de uso de quatro setores diferentes para ver como essas estratégias se aplicam em cenários reais.
Os aplicativos de IA generativa proporcionam novas experiências de usuário que eram quase impossíveis antes da invenção dos modelos de linguagem grandes (LLMs). Ao desenvolver aplicativos, como você pode usar a IA generativa para criar apps potentes e interativos no Google Cloud? Neste curso, você vai conhecer os aplicativos de IA generativa e aprender a usar o design de comandos e a geração aumentada de recuperação (RAG) para criar apps avançados com a ajuda dos LLMs. Você também vai saber o que é a arquitetura pronta para produção, usada nos aplicativos de IA generativa, e vai criar um aplicativo de chat com base em RAG e LLM.
Conclua o selo de habilidade intermediário Dados de engenharia para modelagem preditiva com o BigQuery ML para mostrar que você sabe: criar pipelines de transformação de dados no BigQuery usando o Dataprep by Trifacta; usar o Cloud Storage, o Dataflow e o BigQuery para criar fluxos de trabalho de extração, transformação e carregamento de dados (ELT); e criar modelos de machine learning usando o BigQuery ML.
Conquiste o selo de habilidade introdutório Preparar dados para APIs de ML no Google Cloud para demonstrar que você é capaz de: limpar dados com o Dataprep by Trifacta, executar pipelines de dados no Dataflow, criar clusters e executar jobs do Apache Spark no Managed Service for Apache Spark e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.
This video covers how NotebookLM can revolutionize customer insight gathering from call or chat transcripts. You'll learn to upload PDF transcripts of hundreds of conversations (even multilingual ones!) and quickly extract key themes, trending topics, and actionable insights without listening for hours. Discover how to save findings, share notebooks, and even generate interactive podcast summaries of your data.
Este vídeo mostra como criar seus próprios Gems do Gemini, recursos avançados de IA que podem automatizar tarefas repetitivas e aumentar sua produtividade.
Conclua o selo de habilidade intermediário Criar modelos de ML com o BigQuery ML para mostrar que você sabe: criar e avaliar modelos de machine learning usando o BigQuery ML para fazer previsões de dados.
Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, no teste, no monitoramento e na automação de sistemas de ML em produção. Profissionais de engenharia de machine learning usam ferramentas para fazer melhorias contínuas e avaliações de modelos implantados. São profissionais que trabalham com ciências de dados e desenvolvem modelos para garantir a velocidade e o rigor na implantação de modelos com melhor desempenho.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Este curso apresenta tópicos importantes sobre privacidade e segurança da IA. Ele também aborda recursos e métodos úteis para implementar práticas recomendadas de privacidade e segurança da IA com o uso de produtos do Google Cloud e ferramentas de código aberto.
Neste curso, apresentamos os conceitos de interpretabilidade e transparência em IA. Vamos abordar a importância da transparência em IA para desenvolvedores e engenheiros. O curso também abrange ferramentas e métodos práticos para ajudar a alcançar a interpretabilidade e a transparência em dados e modelos de IA.
Saiba como usar o Gemini Notebook para criar um guia de estudo personalizado para o exame de certificação Professional Machine Learning Engineer (PMLE). Você vai analisar os recursos do Gemini Notebook, criar um notebook e usar o guia de estudo para se preparar para um exame de certificação.
Este vídeo mostra como criar um agente personalizado chamado "Trabalhe comigo" usando os Gems do Gemini. Esse agente ajuda a simplificar o feedback básico e torna suas reuniões mais estratégicas e eficientes.
A inferência de IA é o processo de usar um modelo de machine learning treinado para fazer previsões em dados novos aplicando padrões aprendidos. Esse curso foi criado para desenvolvedores, cientistas de dados e engenheiros de machine learning com interesse em implantar rapidamente serviços de inferência de IA no Cloud Run. O conteúdo é útil para quem já conhece bem as soluções de implantação de aplicativos sem servidor baseadas na nuvem, mas que talvez não tenha experiência com a execução de inferência de IA usando produtos sem servidor do Google Cloud. O curso inclui exemplos que implementam um modelo para inferência de IA com GPUs e integram apps de IA generativa com serviços de armazenamento de dados.
Neste curso, apresentamos conceitos de IA responsável e princípios de IA. Ele contém técnicas para identificar e reduzir o viés e aplicar a imparcialidade nas práticas de ML/IA. Vamos abordar ferramentas e métodos práticos para implementar as práticas recomendadas de IA responsável usando produtos do Google Cloud e ferramentas de código aberto.
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção. Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
O objetivo desse curso é equipar você com o conhecimento e as ferramentas necessários para resolver os desafios enfrentados por equipes de MLOps durante o desenvolvimento e gerenciamento de modelos de IA generativa. Também queremos mostrar como a Vertex AI ajuda equipes de IA a simplificar processos de MLOps e a alcançar o sucesso em projetos de IA generativa.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda você a usar os produtos e serviços do Google para desenvolver, testar, implantar e gerenciar aplicativos. Com a ajuda do Gemini, você vai aprender a desenvolver e criar um aplicativo da Web, corrigir erros no aplicativo, desenvolver testes e consultar dados. No laboratório prático, você aprende como o Gemini aprimora o ciclo de vida do desenvolvimento de software (SDLC, na sigla em inglês) A Duet AI agora é o Gemini, nosso modelo de última geração.