Приєднатися Увійти

David Maciejak

Учасник із 2023

Діамантова ліга

Кількість балів: 53920
Create Generative AI Apps on Google Cloud Earned груд. 13, 2025 EST
Принципи відповідального використання ШІ для розробників: інтерпретованість і прозорість Earned груд. 11, 2025 EST
Принципи відповідального використання ШІ для розробників: конфіденційність і безпека Earned груд. 10, 2025 EST
Introduction to AI and Machine Learning on Google Cloud Earned лист. 24, 2025 EST
Підготовка даних для інтерфейсів API машинного навчання в Google Cloud Earned лист. 19, 2025 EST
Принципи відповідального використання ШІ для розробників: об’єктивність і упередженість Earned лист. 17, 2025 EST
Machine Learning Operations (MLOps) for Generative AI Earned лист. 15, 2025 EST
Prompt Design in Agent Platform Earned лист. 14, 2025 EST
Vector Search and Embeddings Earned лист. 12, 2025 EST
Build a Certification Study Guide: PMLE Earned лист. 11, 2025 EST
Create Embeddings, Vector Search, and RAG with BigQuery Earned лист. 11, 2025 EST
Recommendation Systems on Google Cloud Earned січ. 29, 2024 EST
Natural Language Processing on Google Cloud Earned січ. 26, 2024 EST
Computer Vision Fundamentals with Google Cloud Earned січ. 26, 2024 EST
Production Machine Learning Systems Earned січ. 24, 2024 EST
Machine Learning Operations (MLOps): Getting Started Earned січ. 24, 2024 EST
Use Machine Learning APIs on Google Cloud Earned січ. 24, 2024 EST
DEPRECATED Google Cloud Solutions II: Data and Machine Learning Earned січ. 23, 2024 EST
Production Machine Learning Systems - Locales Earned січ. 23, 2024 EST
DEPRECATED Build and Deploy Machine Learning Solutions on Vertex AI Earned січ. 22, 2024 EST
Machine Learning Operations (MLOps): Getting Started - Locales Earned січ. 22, 2024 EST
Початок роботи з даними, машинним навчанням і штучним інтелектом Earned січ. 21, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned січ. 20, 2024 EST
[Deprecated] Classify Images with TensorFlow on Google Cloud Earned січ. 19, 2024 EST
Intermediate ML: TensorFlow on Google Cloud Earned січ. 19, 2024 EST
Implement Sensitive Data Protection on Google Cloud Earned січ. 17, 2024 EST
Google Kubernetes Engine Best Practices: Security Earned січ. 16, 2024 EST
Build a Secure Google Cloud Network Earned січ. 14, 2024 EST
Implement CI/CD Pipelines on Google Cloud Earned січ. 11, 2024 EST
Manage Kubernetes in Google Cloud Earned січ. 9, 2024 EST
Managing Cloud Infrastructure with Terraform Earned січ. 6, 2024 EST
Kubernetes in Google Cloud Earned січ. 5, 2024 EST
Getting Started with Go on Google Cloud Earned січ. 4, 2024 EST
Build Google Cloud Infrastructure for AWS Professionals Earned січ. 3, 2024 EST
Build Infrastructure with Terraform on Google Cloud Earned груд. 29, 2023 EST
Google Cloud Fundamentals for AWS Professionals Earned груд. 28, 2023 EST
Responsible AI: Applying AI Principles with Google Cloud - Yкраїнська Earned лист. 26, 2023 EST
Generative AI Fundamentals - Українська Earned лист. 23, 2023 EST
Introduction to Responsible AI - Українська Earned лист. 23, 2023 EST
Introduction to Large Language Models - Українська Earned лист. 23, 2023 EST
Introduction to Generative AI - Українська Earned лист. 22, 2023 EST

Generative AI applications can create new user experiences that were nearly impossible before the invention of large language models (LLMs). As an application developer, how can you use generative AI to build engaging, powerful apps on Google Cloud? In this course, you'll learn about generative AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs. You'll learn about a production-ready architecture that can be used for generative AI applications and you'll build an LLM and RAG-based chat application. Explore other content in the Gemini Agent Ready (GEAR) program.

Докладніше

У цьому курсі розглядаються поняття інтерпретованості й прозорості штучного інтелекту, а також їх важливість для розробників. Ви дізнаєтеся про практичні методи й інструменти, які дають змогу досягти інтерпретованості й прозорості даних і моделей штучного інтелекту.

Докладніше

Під час цього курсу ви ознайомитеся з важливими темами, що стосуються конфіденційності й безпеки в системах ШІ. Ви дізнаєтеся про практичні методи й інструменти, які дають змогу застосувати рекомендації щодо конфіденційності й безпеки в системах ШІ за допомогою продуктів Google Cloud і інструментів із відкритим кодом.

Докладніше

This course introduces Google Cloud's AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects. It explores the various technologies, products, and tools available throughout the data-to-AI lifecycle, empowering data scientists, AI developers, and ML engineers to enhance their expertise through interactive exercises.

Докладніше

Пройдіть вступний кваліфікаційний курс Підготовка даних для інтерфейсів API машинного навчання в Google Cloud, щоб продемонструвати свої навички щодо очистки даних за допомогою сервісу Dataprep by Trifacta, запуску конвеєрів даних у Dataflow, створення кластерів і запуску завдань Apache Spark у Managed Service for Apache Spark, а також виклику API машинного навчання, зокрема Cloud Natural Language API, Google Cloud Speech-to-Text API і Video Intelligence API.

Докладніше

Під час цього курсу ви зможете ознайомитися з концепціями відповідального підходу й принципами щодо штучного інтелекту. Ви дізнаєтеся про практичні методи виявлення об’єктивності й упередженості в роботі ШІ та технологій машинного навчання, а також ознайомитеся зі способами мінімізувати упередженість. У курсі розглядаються практичні методи й інструменти для впровадження відповідального підходу до ШІ за допомогою продуктів Google Cloud і інструментів із відкритим кодом.

Докладніше

This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Gemini Enterprise Agent Platform empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.

Докладніше

Complete the introductory Prompt Design in Agent Platform skill badge to demonstrate skills in the following: prompt engineering, image analysis, and multimodal generative techniques, within Agent Platform. Discover how to craft effective prompts, guide generative AI output, and apply Gemini models to real-world marketing scenarios. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.

Докладніше

Explore AI-powered search technologies, tools, and applications in this course. Learn semantic search utilizing vector embeddings, hybrid search combining semantic and keyword approaches, and retrieval-augmented generation (RAG) minimizing AI hallucinations as a grounded AI agent. Gain practical experience with Vertex AI Vector Search to build your intelligent search engine. Explore other content in the Gemini Agent Ready (GEAR) program.

Докладніше

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.

Докладніше

This course explores a Retrieval Augmented Generation (RAG) solution in BigQuery to mitigate AI hallucinations. It introduces a RAG workflow that encompasses creating embeddings, searching a vector space, and generating improved answers. The course explains the conceptual reasons behind these steps and their practical implementation with BigQuery. By the end of the course, learners will be able to build a RAG pipeline using BigQuery and generative AI models like Gemini and embedding models to address their own AI hallucination use cases.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

Earn the advanced skill badge by completing the Use Machine Learning APIs on Google Cloud course, where you learn the basic features for the following machine learning and AI technologies: Cloud Vision API, Cloud Translation API, and Cloud Natural Language API.

Докладніше

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.

Докладніше

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.

Докладніше

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions on Vertex AI skill badge course, where you learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models.

Докладніше

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.

Докладніше

Зараз усі говорять про масиви даних, машинне навчання й штучний інтелект, але це досить вузькоспеціалізовані теми, про які важко знайти матеріали, зрозумілі не лише спеціалістам. На щастя, Google Cloud пропонує зручні сервіси в цих галузях, а завдяки цьому вступному курсу ви зможете ознайомитися з такими інструментами, як BigQuery, Cloud Speech API і Video Intelligence.

Докладніше

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

Докладніше

Earn the intermediate Skill Badge by completing the Classify Images with TensorFlow on Google Cloud skill badge course where you learn how to use TensorFlow and Vertex AI to create and train machine learning models. You primarily interact with Vertex AI Workbench user-managed notebooks.

Докладніше

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.

Докладніше

Complete the Implement Sensitive Data Protection on Google Cloud Skill Badge course to demonstrate skills in the following: using Sensitive Data Protection services (including the Cloud Data Loss Prevention API) to inspect, redact, and de-identify sensitive data in Google Cloud.

Докладніше

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.

Докладніше

Earn a skill badge by completing the Build a Secure Google Cloud Network skill badge course, where you will learn about multiple networking-related resources to build, scale, and secure your applications on Google Cloud.

Докладніше

Earn the intermediate skill badge by completing the Implement CI/CD Pipelines on Google Cloud skill badge course where you learn how to use Artifact Registry, Cloud Build, and Cloud Deploy. You interact with the Google Cloud console, Google Cloud CLI, Cloud Run, and GKE. This course teaches you how to build continuous integration pipelines, store and secure artifacts, scan for vulnerabilities, attest to the validity of approved releases. Additionally, you get hands-on experience deploying applications to both GKE and Cloud Run.

Докладніше

Complete the intermediate Manage Kubernetes in Google Cloud skill badge course to demonstrate skills in the following: managing deployments with kubectl, monitoring and debugging applications on Google Kubernetes Engine (GKE), and continuous delivery techniques.

Докладніше

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.

Докладніше

Kubernetes is the most popular container orchestration system, and Google Kubernetes Engine was designed specifically to support managed Kubernetes deployments in Google Cloud. In this course, you will get hands-on practice configuring Docker images, containers, and deploying fully-fledged Kubernetes Engine applications.

Докладніше

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.

Докладніше

Earn a skill badge by completing the Build Google Cloud Infrastructure for AWS Professionals course, where you learn how to configure IAM permission, orchestrate workloads using Kubernetes, host a web application using compute engine, and configure load balancing.

Докладніше

Complete the intermediate Build Infrastructure with Terraform on Google Cloud skill badge to demonstrate skills in the following: Infrastructure as Code (IaC) principles using Terraform, provisioning and managing Google Cloud resources with Terraform configurations, effective state management (local and remote), and modularizing Terraform code for reusability and organization.

Докладніше

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.

Докладніше

Що більше штучний інтелект і машинне навчання використовуються в корпоративних середовищах, то нагальнішою стає потреба розробити принципи відповідального ставлення до них. Однак говорити про принципи відповідального використання штучного інтелекту легше, ніж застосовувати їх на практиці. Цей курс допоможе вам дізнатись, як запровадити відповідальну роботу зі штучним інтелектом у вашій організації. У цьому курсі ви дізнаєтеся про підхід Google Cloud до відповідального використання ШІ, а також отримаєте практичні поради й набудете досвіду, який допоможе вам розробити власний підхід до цього завдання.

Докладніше

Щоб отримати кваліфікаційний значок, пройдіть курси "Introduction to Generative AI", "Introduction to Large Language Models" й "Introduction to Responsible AI". Пройшовши завершальний тест, ви підтвердите, що засвоїли основні поняття, які стосуються генеративного штучного інтелекту. Кваліфікаційний значок – це цифровий значок від платформи Google Cloud, який свідчить, що ви знаєтеся на продуктах і сервісах Google Cloud. Щоб опублікувати кваліфікаційний значок, зробіть свій профіль загальнодоступним, а також додайте значок у профіль у соціальних мережах.

Докладніше

Це ознайомлювальний курс мікронавчання, який має пояснити, що таке відповідальне використання штучного інтелекту, чому воно важливе і як компанія Google реалізує його у своїх продуктах. Крім того, у цьому курсі викладено 7 принципів Google щодо штучного інтелекту.

Докладніше

У цьому ознайомлювальному курсі мікронавчання ви дізнаєтеся, що таке великі мовні моделі, де вони використовуються і як підвищити їх ефективність коригуванням запитів. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучного інтелекту.

Докладніше

Це ознайомлювальний курс мікронавчання, який має пояснити, що таке генеративний штучний інтелект, як він використовується й чим відрізняється від традиційних методів машинного навчання. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучногоінтелекту.

Докладніше