Laurin Brechter
Member since 2021
Bronze League
1200 points
Member since 2021
Bu kursta, kodlayıcı-kod çözücü mimarisi özet olarak anlatılmaktadır. Bu mimari; makine çevirisi, metin özetleme ve soru yanıtlama gibi "sıradan sıraya" görevlerde yaygın olarak kullanılan, güçlü bir makine öğrenimi mimarisidir. Kursta, kodlayıcı-kod çözücü mimarisinin ana bileşenlerini ve bu modellerin nasıl eğitilip sunulacağını öğreneceksiniz. Laboratuvarın adım adım açıklamalı kılavuz bölümünde ise sıfırdan şiir üretmek için TensorFlow'da kodlayıcı-kod çözücü mimarisinin basit bir uygulamasını yazacaksınız.
Bu kurs, derin öğrenmeyi kullanarak görüntülere altyazı ekleme modeli oluşturmayı öğretmektedir. Kurs sırasında görüntülere altyazı ekleme modelinin farklı bileşenlerini (ör. kodlayıcı ve kod çözücü) ve modelinizi eğitip değerlendirmeyi öğreneceksiniz. Bu kursu tamamlayan öğrenciler, kendi görüntülere altyazı ekleme modellerini oluşturabilecek ve bu modelleri görüntülere altyazı oluşturmak için kullanabilecek.
Bu kursta, görüntü üretme alanında gelecek vadeden bir makine öğrenimi modelleri ailesi olan "difüzyon modelleri" tanıtılmaktadır. Difüzyon modelleri fizikten, özellikle de termodinamikten ilham alır. Geçtiğimiz birkaç yıl içinde, gerek araştırma gerekse endüstri alanında difüzyon modelleri popülerlik kazandı. Google Cloud'daki son teknoloji görüntü üretme model ve araçlarının çoğu, difüzyon modelleri ile desteklenmektedir. Bu kursta, difüzyon modellerinin ardındaki teori tanıtılmakta ve bu modellerin Vertex AI'da nasıl eğitilip dağıtılacağı açıklanmaktadır.
Bu kurs, dönüştürücü mimarisini ve dönüştürücülerden çift yönlü kodlayıcı temsilleri (BERT - Encoder Representations from Transformers) modelini tanıtmaktadır. Kursta, öz dikkat mekanizması gibi dönüştürücü mimarisinin ana bileşenlerini ve BERT modelini oluşturmak için dönüştürücünün nasıl kullanıldığını öğreneceksiniz. Ayrıca sınıflandırma, soru yanıtlama ve doğal dil çıkarımı gibi BERT'in kullanılabileceği çeşitli görevler hakkında da bilgi sahibi olacaksınız. Kursun tahmini süresi 45 dakikadır.
Bu kursta nöral ağların, giriş sırasının belirli bölümlerine odaklanmasına olanak tanıyan güçlü bir teknik olan dikkat mekanizması tanıtılmaktadır. Kursta, dikkat mekanizmasının çalışma şeklini ve makine öğrenimi, metin özetleme ve soru yanıtlama gibi çeşitli makine öğrenimi görevlerinin performansını artırmak için nasıl kullanılabileceğini öğreneceksiniz.
Giriş seviyesindeki bu mikro öğrenme kursunda; büyük dil modellerinin (LLM) ne olduğu, hangi kullanım alanlarında kullanılabilecekleri ve istem ayarlama ile LLM performansını nasıl artırabileceğiniz ele alınmaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da yer almaktadır.
Bu giriş seviyesi mikro öğrenme kursu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenimi yöntemlerinden farkını açıklamayı amaçlamaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da ele alınmaktadır.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
Earn the introductory skill badge by completing the Automate Data Capture at Scale with Document AI course. In this course, you learn how to extract, process, and capture data using Document AI.
In this introductory-level course, you get hands-on practice with the Google Cloud’s fundamental tools and services. Optional videos are provided to provide more context and review for the concepts covered in the labs. Google Cloud Essentials is a recommendeded first course for the Google Cloud learner - you can come in with little or no prior cloud knowledge, and come out with practical experience that you can apply to your first Google Cloud project. From writing Cloud Shell commands and deploying your first virtual machine, to running applications on Kubernetes Engine or with load balancing, Google Cloud Essentials is a prime introduction to the platform’s basic features.
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.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.