Dołącz Zaloguj się

Datta Kamble

Jest członkiem od 2022

Liga srebrna

3775 pkt.
Introduction to Large Language Models - Polski Earned gru 12, 2023 EST
Introduction to Generative AI - Polski Earned wrz 19, 2023 EDT
Przygotowywanie danych do użycia z interfejsami ML w Google Cloud Earned mar 26, 2023 EDT
Wdrażanie równoważenia obciążenia Cloud Load Balancing w Compute Engine Earned mar 6, 2023 EST
Engineer Data for Predictive Modeling with BigQuery ML Earned mar 2, 2023 EST
Build Batch Data Pipelines on Google Cloud Earned sty 28, 2023 EST
Build Streaming Data Pipelines on Google Cloud Earned sty 22, 2023 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned sty 17, 2023 EST
Serverless Data Processing with Dataflow: Foundations Earned sty 5, 2023 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned gru 27, 2022 EST
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned gru 22, 2022 EST

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

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 Managed Service for Apache Spark, 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

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

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

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

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

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

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

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