Aditya Yadav
Mitglied seit 2025
Gold League
3365 Punkte
Mitglied seit 2025
Teaching computers to see and listen is a lot easier when you have pre-trained machine learning APIs doing the heavy lifting. In this adventure, you'll start by querying Google Cloud endpoints directly from APIs Explorer, then teach your applications to read multilingual text, recognize facial features, and spot landmarks in raw photos. Once your visual pipeline is dialed in, you'll turn to audio—converting spoken words into real-time transcripts and streaming live audio directly through web interfaces. Knock out both challenge labs unassisted to prove you can turn unstructured sight and sound into clean, actionable cloud intelligence.
Sichern Sie sich ein Skill-Logo für den Kurs Bilder mit der Cloud Vision API analysieren. Darin erfahren Sie, wie Sie die Cloud Vision API für verschiedene Aufgaben nutzen können, zum Beispiel zum Extrahieren von Text aus Bildern.
Raw data is only useful if it is clean, structured, and secure. In this track, you’ll start by processing and preparing data using Dataprep, Dataflow templates, and Apache Spark. You'll learn how to clean up datasets so they are ready for machine learning models. From there, you'll focus on security by working with tools that find and mask sensitive information like personal IDs and credentials. You'll practice redacting critical details and creating safe, de-identified copies of your data in Cloud Storage. By finishing the hands-on challenge labs, you’ll show you can handle big data workflows while keeping confidential information completely safe.
In diesem Kurs erfahren Sie, wie Sie mit Gemini Notebook einen personalisierten Lernplan für die Zertifizierungsprüfung zum Associate Cloud Engineer (ACE) erstellen. Sie lernen die Funktionen von Gemini Notebook kennen, erstellen ein Notebook in Gemini Notebook und erfahren, wie Sie den Lernplan zu einer Zertifizierungsprüfung für entsprechende Übungen nutzen können.
Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.
Schließen Sie den Skill-Badge-Kurs Sensitive Data Protection in Google Cloud implementieren ab, um Ihre Kenntnisse in den folgenden Bereichen nachzuweisen: Sensitive Data Protection-Dienste verwenden (einschließlich der Cloud Data Loss Prevention API), um sensible Informationen in Google Cloud zu prüfen, zu entfernen und zu de-identifizieren.
Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.
In diesem Kurs werden Konzepte für die verantwortungsbewusste Anwendung von KI und KI-Grundsätze vorgestellt. Es werden Techniken behandelt, wie Sie Fairness und Verzerrung (Bias) in der Praxis erkennen sowie Verzerrung in KI- und ML-Anwendungen reduzieren können. Dabei lernen Sie, wie Sie mit Google Cloud-Produkten und Open-Source-Tools Best Practices für eine verantwortungsbewusste Anwendung von KI umsetzen.
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Cloud-Zusammenarbeit und Produktivitäts-Workflows implementieren abschließen. Darin lernen Sie die Plattform zur Zusammenarbeit von Google kennen und erfahren, wie Sie Gmail, Kalender, Meet, Drive, Sheets und AppSheet verwenden.
Dieser Kurs gibt Machine-Learning-Anwendern alle grundlegenden Tools, Techniken und Best Practices zur Bewertung von generativen und prädiktiven KI-Modellen an die Hand. Die Modellbewertung ist ein wichtiger Schritt, bei dem geprüft wird, ob ML-Systeme in der Produktion zuverlässige, genaue und leistungsstarke Ergebnisse erzielen. Die Teilnehmer erwerben fundierte Kenntnisse über verschiedene Bewertungsmesswerte und -methoden und lernen, sie auf unterschiedliche Modelltypen und Aufgaben anzuwenden. Im Kurs wird schwerpunktmäßig auf die besonderen Herausforderungen generativer KI-Modelle eingegangen und es werden Strategien vorgestellt, wie sich diese effektiv bewältigen lassen. Die Teilnehmer lernen auf der Plattform Vertex AI von Google Cloud, robuste Bewertungsprozesse zur Auswahl, Optimierung und kontinuierlichen Überwachung des Modells zu implementieren.
Dieser Kurs vermittelt Ihnen das Wissen und die nötigen Tools, um die speziellen Herausforderungen zu erkennen, mit denen MLOps-Teams bei der Bereitstellung und Verwaltung von Modellen basierend auf generativer KI konfrontiert sind. Sie erfahren, wie KI-Teams durch Vertex AI dabei unterstützt werden, MLOps-Prozesse zu optimieren und mit Projekten erfolgreich zu sein, in denen generative KI zum Einsatz kommt.