Dołącz Zaloguj się

Wykorzystuj swoje umiejętności w konsoli Google Cloud

Ken Li

Jest członkiem od 2022

Liga złota

8140 pkt.
Build and Deploy a Generative AI solution using a RAG framework Earned wrz 18, 2024 EDT
Integrate Vertex AI Search and Conversation into Voice and Chat Apps Earned lip 11, 2024 EDT
Responsible AI: Applying AI Principles with Google Cloud - Polski Earned lip 10, 2024 EDT
Text Prompt Engineering Techniques Earned lip 10, 2024 EDT
Introduction to Vertex AI Studio Earned lip 5, 2023 EDT
Create Image Captioning Models Earned lip 5, 2023 EDT
Transformer Models and BERT Model Earned lip 5, 2023 EDT
Attention Mechanism Earned lip 5, 2023 EDT
Encoder-Decoder Architecture Earned lip 5, 2023 EDT
Introduction to Image Generation Earned lip 5, 2023 EDT
Generative AI Fundamentals - Polski Earned lip 5, 2023 EDT
Introduction to Responsible AI - Polski Earned lip 5, 2023 EDT
Introduction to Large Language Models - Polski Earned lip 5, 2023 EDT
Introduction to Generative AI - Polski Earned lip 5, 2023 EDT
Preparing for your Professional Data Engineer Journey Earned paź 9, 2022 EDT
Engineer Data for Predictive Modeling with BigQuery ML Earned paź 1, 2022 EDT
Build a Data Warehouse with BigQuery Earned wrz 29, 2022 EDT
Przygotowywanie danych do użycia z interfejsami ML w Google Cloud Earned wrz 25, 2022 EDT
Serverless Data Processing with Dataflow: Operations Earned wrz 22, 2022 EDT
Serverless Data Processing with Dataflow: Develop Pipelines Earned wrz 21, 2022 EDT
Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine Earned wrz 18, 2022 EDT
Serverless Data Processing with Dataflow: Foundations Earned wrz 15, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned wrz 14, 2022 EDT
Build Streaming Data Pipelines on Google Cloud Earned wrz 14, 2022 EDT
Build Batch Data Pipelines on Google Cloud Earned wrz 13, 2022 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned wrz 9, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals Earned wrz 8, 2022 EDT

Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.

Więcej informacji

This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.

Więcej informacji

Im szerzej wykorzystuje się w firmach sztuczną inteligencję i systemy uczące się, tym większej wagi nabiera odpowiedzialne podejście do opracowywania tych technologii. Wielu organizacjom trudniej jest jednak wprowadzić zasady odpowiedzialnej AI w praktyce niż tylko o tym rozmawiać. To szkolenie jest przeznaczone dla osób, które chcą się dowiedzieć, jak wdrożyć odpowiedzialną AI w swojej organizacji. W jego trakcie dowiesz się, jak robimy to w Google Cloud, oraz poznasz sprawdzone metody i wnioski z naszych działań w tym zakresie. Pomoże Ci to opracować własne podejście do odpowiedzialnej AI.

Więcej informacji

Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.

Więcej informacji

This course introduces Vertex AI Studio, a tool to interact with generative AI models, prototype business ideas, and launch them into production. Through an immersive use case, engaging lessons, and a hands-on lab, you’ll explore the prompt-to-product lifecycle and learn how to leverage Vertex AI Studio for Gemini multimodal applications, prompt design, prompt engineering, and model tuning. The aim is to enable you to unlock the potential of gen AI in your projects with Vertex AI Studio.

Więcej informacji

This course teaches you how to create an image captioning model by using deep learning. You learn about the different components of an image captioning model, such as the encoder and decoder, and how to train and evaluate your model. By the end of this course, you will be able to create your own image captioning models and use them to generate captions for images

Więcej informacji

This course introduces you to the Transformer architecture and the Bidirectional Encoder Representations from Transformers (BERT) model. You learn about the main components of the Transformer architecture, such as the self-attention mechanism, and how it is used to build the BERT model. You also learn about the different tasks that BERT can be used for, such as text classification, question answering, and natural language inference.This course is estimated to take approximately 45 minutes to complete.

Więcej informacji

This course will introduce you to the attention mechanism, a powerful technique that allows neural networks to focus on specific parts of an input sequence. You will learn how attention works, and how it can be used to improve the performance of a variety of machine learning tasks, including machine translation, text summarization, and question answering. This course is estimated to take approximately 45 minutes to complete.

Więcej informacji

This course gives you a synopsis of the encoder-decoder architecture, which is a powerful and prevalent machine learning architecture for sequence-to-sequence tasks such as machine translation, text summarization, and question answering. You learn about the main components of the encoder-decoder architecture and how to train and serve these models. In the corresponding lab walkthrough, you’ll code in TensorFlow a simple implementation of the encoder-decoder architecture for poetry generation from the beginning.

Więcej informacji

This course introduces diffusion models, a family of machine learning models that recently showed promise in the image generation space. Diffusion models draw inspiration from physics, specifically thermodynamics. Within the last few years, diffusion models became popular in both research and industry. Diffusion models underpin many state-of-the-art image generation models and tools on Google Cloud. This course introduces you to the theory behind diffusion models and how to train and deploy them on Vertex AI.

Więcej informacji

Aby zdobyć odznakę umiejętności, ukończ szkolenia Introduction to Generative AI, Introduction to Large Language Models i Introduction to Responsible AI. Zdaj test i pokaż, że rozumiesz podstawowe koncepcje związane z generatywną AI. Odznaka umiejętności to cyfrowa odznaka wydawana przez Google Cloud, która potwierdza Twoją wiedzę o produktach i usługach Google Cloud. Ustaw swój profil jako publiczny i dodaj odznakę umiejętności do profilu w mediach społecznościowych, aby pochwalić się swoim osiągnięciem.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.

Więcej informacji

To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

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.

Więcej informacji

Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.

Więcej informacji

Complete the intermediate Build a Data Warehouse with BigQuery skill badge course to demonstrate skills in the following: joining data to create new tables, troubleshooting joins, appending data with unions, creating date-partitioned tables, and working with JSON, arrays, and structs in BigQuery.

Więcej informacji

Ukończ szkolenie wprowadzające Przygotowywanie danych do użycia z interfejsami ML w Google Cloud, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: czyszczenie danych przy użyciu usługi Dataprep firmy Trifacta, uruchamianie potoków danych w Dataflow, tworzenie klastrów i uruchamianie zadań Apache Spark w Dataproc, a także wywoływanie interfejsów API dotyczących uczenia maszynowego, w tym Cloud Natural Language API, Google Cloud Speech-to-Text API oraz Video Intelligence API.

Więcej informacji

In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.

Więcej informacji

In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.

Więcej informacji

Ukończ szkolenie wprowadzające Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine, aby zdobyć odznakę potwierdzającą zdobycie następujących umiejętności: tworzenie i wdrażanie maszyn wirtualnych w Compute Engine oraz konfigurowanie sieciowych systemów równoważenia obciążenia i systemów równoważenia obciążenia aplikacji.

Więcej informacji

This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.

Więcej informacji

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.

Więcej informacji

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.

Więcej informacji

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.

Więcej informacji

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.

Więcej informacji

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.

Więcej informacji