Gabung Login

David Maciejak

Menjadi anggota sejak 2023

Diamond League

53920 poin
Membuat Aplikasi AI Generatif di Google Cloud Earned Des 13, 2025 EST
Responsible AI untuk Developer: Penafsiran & Transparansi Earned Des 11, 2025 EST
Responsible AI untuk Developer: Privasi & Keamanan Earned Des 10, 2025 EST
Pengantar AI dan Machine Learning di Google Cloud Earned Nov 24, 2025 EST
Menyiapkan Data untuk ML API di Google Cloud Earned Nov 19, 2025 EST
Responsible AI untuk Developer: Keadilan & Bias Earned Nov 17, 2025 EST
Machine Learning Operations (MLOps) untuk AI Generatif Earned Nov 15, 2025 EST
Desain Perintah dalam Agent Platform Earned Nov 14, 2025 EST
Penelusuran Vektor dan Embedding Earned Nov 12, 2025 EST
Build a Certification Study Guide: PMLE Earned Nov 11, 2025 EST
Membuat Embedding, Penelusuran Vektor, dan RAG dengan BigQuery Earned Nov 11, 2025 EST
Recommendation Systems on Google Cloud Earned Jan 29, 2024 EST
Natural Language Processing on Google Cloud Earned Jan 26, 2024 EST
Computer Vision Fundamentals with Google Cloud Earned Jan 26, 2024 EST
Production Machine Learning Systems Earned Jan 24, 2024 EST
Machine Learning Operations (MLOps): Getting Started Earned Jan 24, 2024 EST
Menggunakan API Machine Learning di Google Cloud Earned Jan 24, 2024 EST
DEPRECATED Google Cloud Solutions II: Data and Machine Learning Earned Jan 23, 2024 EST
Production Machine Learning Systems - Locales Earned Jan 23, 2024 EST
Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI Earned Jan 22, 2024 EST
Machine Learning Operations (MLOps): Getting Started - Locales Earned Jan 22, 2024 EST
Dasar pengukuran: Data, ML, AI Earned Jan 21, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Jan 20, 2024 EST
Mengklasifikasikan gambar dengan TensorFlow di Google Cloud Earned Jan 19, 2024 EST
Intermediate ML: TensorFlow on Google Cloud Earned Jan 19, 2024 EST
Mengimplementasikan Sensitive Data Protection di Google Cloud Earned Jan 17, 2024 EST
Google Kubernetes Engine Best Practices: Security Earned Jan 16, 2024 EST
Membangun Jaringan Google Cloud yang Aman Earned Jan 14, 2024 EST
Mengimplementasikan Pipeline CI/CD di Google Cloud Earned Jan 11, 2024 EST
Mengelola Kubernetes di Google Cloud Earned Jan 9, 2024 EST
Managing Cloud Infrastructure with Terraform Earned Jan 6, 2024 EST
Kubernetes di Google Cloud Earned Jan 5, 2024 EST
Getting Started with Go on Google Cloud Earned Jan 4, 2024 EST
Membangun Infrastruktur Google Cloud untuk Profesional AWS Earned Jan 3, 2024 EST
Membangun Infrastruktur dengan Terraform di Google Cloud Earned Des 29, 2023 EST
Google Cloud Fundamentals for AWS Professionals Earned Des 28, 2023 EST
Responsible AI: Menerapkan Prinsip AI dengan Google Cloud Earned Nov 26, 2023 EST
Generative AI Fundamentals - Bahasa Indonesia Earned Nov 23, 2023 EST
Pengantar Responsible AI Earned Nov 23, 2023 EST
Pengantar Model Bahasa Besar Earned Nov 23, 2023 EST
Pengantar AI Generatif Earned Nov 22, 2023 EST

Aplikasi AI generatif dapat mewujudkan pengalaman pengguna baru yang hampir tidak dimungkinkan sebelum ditemukannya model bahasa besar (LLM). Sebagai developer aplikasi, bagaimana cara menggunakan AI generatif untuk membangun aplikasi yang menarik dan canggih di Google Cloud? Dalam kursus ini, Anda akan mempelajari aplikasi AI generatif dan cara Anda dapat menggunakan desain perintah serta retrieval-augmented generation (RAG) untuk membangun aplikasi yang canggih menggunakan LLM. Anda akan mempelajari arsitektur siap produksi yang dapat digunakan untuk aplikasi AI generatif dan Anda akan membangun aplikasi chat LLM berbasis RAG.

Pelajari lebih lanjut

Kursus ini memperkenalkan konsep penafsiran dan transparansi AI. Kursus ini membahas pentingnya transparansi AI bagi developer dan engineer. Kursus ini juga mengeksplorasi metode dan alat praktis untuk membantu mencapai penafsiran dan transparansi, baik dalam model data maupun AI.

Pelajari lebih lanjut

Kursus ini memperkenalkan topik penting tentang privasi dan keamanan AI. Kursus ini mengeksplorasi metode dan alat praktis untuk menerapkan rekomendasi praktik privasi dan keamanan AI melalui penggunaan produk dan alat open source Google Cloud.

Pelajari lebih lanjut

Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Managed Service for Apache Spark, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.

Pelajari lebih lanjut

Kursus ini memperkenalkan konsep responsible AI dan prinsip AI. Di dalamnya tercakup teknik untuk secara praktis mengidentifikasi keadilan dan bias serta memitigasi bias dalam praktik AI/ML. Kursus ini juga mengeksplorasi metode dan alat praktis untuk menerapkan praktik terbaik Responsible AI menggunakan produk Google Cloud dan alat open source.

Pelajari lebih lanjut

Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Desain Perintah dalam Agent Platform untuk menunjukkan keterampilan Anda dalam hal berikut: rekayasa perintah, analisis gambar, dan teknik generatif multimodal, dalam Agent Platform. Pelajari cara membuat perintah yang efektif, memandu output AI generatif, dan menerapkan model Gemini dalam skenario pemasaran di dunia nyata.

Pelajari lebih lanjut

Menjelajahi teknologi, alat, dan aplikasi penelusuran yang didukung AI dalam kursus ini. Mempelajari penelusuran semantik dengan memanfaatkan embedding vektor, penelusuran campuran yang menggabungkan pendekatan semantik dan kata kunci, serta Retrieval-Augmented Generation (RAG) yang meminimalkan halusinasi AI sebagai agen AI yang di-grounding. Mendapatkan pengalaman praktis dengan Vertex AI Vector Search untuk membangun mesin telusur yang cerdas.

Pelajari lebih lanjut

Learn how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.

Pelajari lebih lanjut

Kursus ini mengeksplorasi solusi Retrieval-Augmented Generation (RAG) di BigQuery untuk memitigasi halusinasi AI. Kursus ini akan memperkenalkan alur kerja RAG yang mencakup pembuatan embedding, penelusuran ruang vektor, dan pembuatan jawaban yang lebih baik. Kursus ini akan menjelaskan alasan konseptual di balik langkah-langkah ini dan implementasi praktisnya dengan BigQuery. Di akhir kursus, peserta akan dapat membangun pipeline RAG menggunakan BigQuery dan model AI generatif seperti Gemini dan model embedding untuk menangani kasus penggunaan halusinasi AI mereka sendiri.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

Pelajari lebih lanjut

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

Pelajari lebih lanjut

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Pelajari lebih lanjut

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Pelajari lebih lanjut

Dapatkan badge keahlian tingkat lanjut dengan menyelesaikan kursus tentang Menggunakan API Machine Learning di Google Cloud yang membahas fitur dasar machine learning dan dan teknologi AI berikut: Cloud Vision API, Cloud Translation API, dan Cloud Natural Language API.

Pelajari lebih lanjut

In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.

Pelajari lebih lanjut

This course, Production Machine Learning Systems - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Production Machine Learning Systems. In this course, we dive into the components and best practices of building high-performing ML systems in production environments. We cover some of the most common considerations behind building these systems, e.g. static training, dynamic training, static inference, dynamic inference, distributed TensorFlow, and TPUs. This course is devoted to exploring the characteristics that make for a good ML system beyond its ability to make good predictions.

Pelajari lebih lanjut

Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI, tempat Anda akan belajar cara menggunakan platform Vertex AI Google Cloud, AutoML, dan layanan pelatihan kustom untuk melatih, mengevaluasi, menyesuaikan, menjelaskan, serta men-deploy model machine learning. Kursus badge keahlian ini diperuntukkan bagi Data Scientist dan Engineer Machine Learning profesional. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan Badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge digital yang dapat Anda bagikan ke jaringan Anda.

Pelajari lebih lanjut

This course, Machine Learning Operations (MLOps): Getting Started - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Machine Learning Operations (MLOps): Getting Started. This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Pelajari lebih lanjut

Big data, machine learning, dan kecerdasan buatan menjadi topik komputasi yang populer saat ini, tetapi bidang tersebut sangat terspesialisasi dan materi pengantarnya sulit diperoleh. Untungnya, Google Cloud menyediakan layanan yang mudah digunakan dalam bidang tersebut, dan melalui kursus tingkat pengantar ini, Anda dapat mengambil langkah pertama dengan alat seperti BigQuery, Cloud Speech API, dan Video Intelligence.

Pelajari lebih lanjut

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Pelajari lebih lanjut

Dapatkan Badge Keahlian tingkat menengah dengan menyelesaikan kursus badge keahlian Mengklasifikasikan Gambar dengan TensorFlow di Google Cloud, tempat Anda mempelajari cara menggunakan TensorFlow dan Vertex AI untuk membuat dan melatih model machine learning. Anda akan banyak berinteraksi dengan notebook yang dikelola pengguna di Vertex AI Workbench.

Pelajari lebih lanjut

TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.

Pelajari lebih lanjut

Selesaikan badge keahlian Mengimplementasikan Sensitive Data Protection di Google Cloud untuk menunjukkan keterampilan dalam hal berikut: menggunakan layanan Sensitive Data Protection (termasuk Cloud Data Loss Prevention API) untuk memeriksa, mengedit, dan melakukan de-identifikasi data sensitif di Google Cloud.

Pelajari lebih lanjut

Get Anthos Ready. This Google Kubernetes Engine-centric quest of best practice hands-on labs focuses on security at scale when deploying and managing production GKE environments -- specifically role-based access control, hardening, VPC networking, and binary authorization.

Pelajari lebih lanjut

Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Jaringan Google Cloud yang Aman yang membahas resource yang terkait dengan beberapa jaringan untuk membangun, menskalakan, dan mengamankan aplikasi Anda di Google Cloud.

Pelajari lebih lanjut

Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus badge keahlian Mengimplementasikan Pipeline CI/CD di Google Cloud. tempat Anda mempelajari cara menggunakan Artifact Registry, Cloud Build, dan Cloud Deploy. Anda berinteraksi dengan konsol Google Cloud, Google Cloud CLI, Cloud Run, dan GKE. Kursus ini mengajarkan cara membangun pipeline continuous integration pipeline, menyimpan dan mengamankan artefak, memindai kerentanan, membuktikan validitas rilis yang disetujui. Selain itu, Anda akan mendapatkan pengalaman langsung dalam men-deploy aplikasi ke GKE dan Cloud Run.

Pelajari lebih lanjut

Selesaikan kursus badge keahlian tingkat menengah Mengelola Kubernetes di Google Cloud untuk menunjukkan keterampilan dalam hal berikut: mengelola deployment dengan kubectl, memantau serta menjalankan proses debug aplikasi di Google Kubernetes Engine (GKE), dan menggunakan teknik continuous delivery.

Pelajari lebih lanjut

In this Quest, the experienced user of Google Cloud will learn how to describe and launch cloud resources with Terraform, an open source tool that codifies APIs into declarative configuration files that can be shared amongst team members, treated as code, edited, reviewed, and versioned. In these nine hands-on labs, you will work with example templates and understand how to launch a range of configurations, from simple servers, through full load-balanced applications.

Pelajari lebih lanjut

Kubernetes adalah sistem orkestrasi container paling populer, dan Google Kubernetes Engine dirancang secara khusus untuk mendukung deployment Kubernetes terkelola di Google Cloud. Dalam kursus tingkat lanjut ini, Anda akan mendapatkan praktik langsung dalam mengonfigurasi Image Docker, container, serta men-deploy aplikasi Kubernetes Engine yang sepenuhnya lengkap dan siap produksi. Kursus ini akan mengajari Anda keterampilan praktis yang diperlukan untuk mengintegrasikan orkestrasi container ke dalam alur kerja Anda sendiri. Apakah Anda sedang mencari challenge lab interaktif untuk menunjukkan keterampilan Anda dan menguji pengetahuan yang dimiliki? Setelah menyelesaikan kursus ini, selesaikan Challenge Lab tambahan di akhir kursus Men-deploy Aplikasi Kubernetes di Google Cloud untuk menerima badge digital eksklusif Google Cloud.

Pelajari lebih lanjut

Get started with Go (Golang) by reviewing Go code, and then creating and deploying simple Go apps on Google Cloud. Go is an open source programming language that makes it easy to build fast, reliable, and efficient software at scale. Go runs native on Google Cloud, and is fully supported on Google Kubernetes Engine, Compute Engine, App Engine, Cloud Run, and Cloud Functions. Go is a compiled language and is faster and more efficient than interpreted languages. As a result, Go requires no installed runtime like Node, Python, or JDK to execute.

Pelajari lebih lanjut

Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Infrastruktur Google Cloud untuk Profesional AWS, yang akan membahas cara mengonfigurasi izin IAM, mengorkestrasi workload menggunakan Kubernetes, meng-hosting aplikasi web menggunakan Compute Engine, dan mengonfigurasi load balancing.

Pelajari lebih lanjut

Selesaikan badge keahlian Membangun Infrastruktur dengan Terraform di Google Cloud tingkat menengah untuk menunjukkan keterampilan dalam hal berikut: Prinsip Infrastruktur sebagai Kode (IaC) menggunakan Terraform, penyediaan dan pengelolaan resource Google Cloud dengan konfigurasi Terraform, pengelolaan status yang efektif (lokal dan jarak jauh), serta modularisasi kode Terraform agar dapat digunakan kembali dan diatur.

Pelajari lebih lanjut

Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.

Pelajari lebih lanjut

Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.

Pelajari lebih lanjut

Dapatkan badge keahlian dengan menyelesaikan kursus Introduction to Generative AI, Introduction to Large Language Models, dan Introduction to Responsible AI. Dengan berhasil menyelesaikan kuis akhir, Anda membuktikan pemahaman Anda tentang konsep dasar AI generatif. Badge keahlian adalah badge digital yang diberikan oleh Google Cloud sebagai pengakuan atas pengetahuan Anda tentang produk dan layanan Google Cloud. Pamerkan badge keahlian Anda dengan menampilkan profil Anda kepada publik dan menambahkannya ke profil media sosial Anda.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga membahas beberapa Alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut