Baek Duin
Miembro desde 2020
Liga de Plata
14219 puntos
IA responsable para desarrolladores: Interpretabilidad y transparencia
Earned sep 27, 2025 EDT
IA responsable para desarrolladores: Equidad y sesgos
Earned sep 27, 2025 EDT
Inspecciona documentos enriquecidos con Gemini multimodal y RAG multimodal
Earned sep 27, 2025 EDT
Operaciones de aprendizaje automático (MLOps) para la IA generativa
Earned jun 5, 2025 EDT
Introducción a Vertex AI Studio
Earned jun 5, 2025 EDT
Búsqueda de vectores y embeddings
Earned jun 2, 2025 EDT
Introducción a la IA responsable
Earned mar 11, 2025 EDT
Introducción a los modelos de lenguaje grandes
Earned mar 26, 2024 EDT
Introducción a la IA generativa
Earned mar 26, 2024 EDT
Creación de modelos de generación de subtítulos de imágenes
Earned sep 28, 2023 EDT
Modelos de transformadores y modelo BERT
Earned sep 28, 2023 EDT
Arquitectura de codificador-decodificador
Earned sep 27, 2023 EDT
Mecanismo de atención
Earned sep 27, 2023 EDT
Introducción a la generación de imágenes
Earned sep 20, 2023 EDT
Launching into Machine Learning - Español
Earned dic 24, 2022 EST
Deprecated Kubernetes Solutions
Earned oct 31, 2022 EDT
Kubernetes en Google Cloud
Earned jul 25, 2022 EDT
[DEPRECATED] Ingeniería de atributos
Earned may 15, 2022 EDT
Operaciones de aprendizaje automático (MLOps): Primeros pasos
Earned may 14, 2022 EDT
Recommendation Systems on Google Cloud
Earned may 10, 2022 EDT
Computer Vision Fundamentals with Google Cloud
Earned may 2, 2022 EDT
Crea, entrena e implementa modelos de AA con Keras en Google Cloud
Earned abr 23, 2022 EDT
How Google Does Machine Learning - Español
Earned abr 20, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Español
Earned abr 19, 2022 EDT
En este curso, se presentan los conceptos de interpretabilidad y transparencia de la IA, así como se menciona la importancia de la transparencia de la IA para los ingenieros y desarrolladores. Se exploran métodos y herramientas funcionales para ayudar a lograr la interpretabilidad y transparencia en los modelos de IA y datos.
Más información
En este curso, se presentan los conceptos de la IA responsable y los principios de la IA. Se abordan técnicas para identificar de forma práctica la equidad y los sesgos, y mitigar los sesgos en las prácticas de IA/AA. Se exploran métodos y herramientas funcionales para implementar prácticas recomendadas de la IA responsable con productos de Google Cloud y herramientas de código abierto.
Más información
Completa la insignia de habilidad intermedia Inspecciona documentos enriquecidos con Gemini multimodal y RAG multimodal para demostrar tus habilidades para realizar las siguientes actividades: usar instrucciones multimodales para extraer información de datos visuales y de texto, generar la descripción de un video y recuperar información adicional más allá del video utilizando la multimodalidad con Gemini; crear metadatos de documentos que contengan imágenes y texto, obtener todos los fragmentos de texto relevantes e imprimir las citas con la generación mejorada por recuperación (RAG) multimodal con Gemini.
Más información
El objetivo de este curso es equiparte con los conocimientos y las herramientas que necesitas para descubrir los desafíos únicos que enfrentan los equipos de MLOps cuando implementan y administran modelos de IA generativa, y explorar cómo Vertex AI fortalece a los equipos de IA para optimizar los procesos de MLOps y alcanzar el éxito en los proyectos de IA generativa.
Más información
En este curso, se presenta Vertex AI Studio, una herramienta para interactuar con modelos de IA generativa, crear prototipos de ideas de negocio y llevarlas a producción. A través de un caso de uso envolvente, lecciones atractivas y un lab práctico, explorarás el ciclo de vida desde la instrucción hasta el producto y aprenderás cómo aprovechar Vertex AI Studio para aplicaciones multimodales de Gemini, diseño de instrucciones, ingeniería de instrucciones y ajuste de modelos. El objetivo es permitirte desbloquear el potencial de la IA generativa en tus proyectos con Vertex AI Studio.
Más información
En este curso, explorarás tecnologías, herramientas y aplicaciones de búsqueda potenciadas por IA. Aprende sobre las búsquedas semánticas utilizando embeddings de vectores, acerca de las búsquedas híbridas combinando enfoques semánticos y de palabras clave, y sobre la generación mejorada por recuperación (RAG) minimizando las alucinaciones como un agente de IA fundamentado. Adquiere experiencia práctica con Vector Search de Vertex AI para desarrollar tu motor de búsqueda inteligente.
Más información
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA responsable, por qué es importante y cómo la implementa Google en sus productos. También se presentan los 7 principios de la IA de Google.
Más información
Este es un curso introductorio de microaprendizaje en el que se explora qué son los modelos de lenguaje grandes (LLM), sus casos de uso y cómo se puede utilizar el ajuste de instrucciones para mejorar el rendimiento de los LLM. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Más información
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA generativa, cómo se utiliza y en qué se diferencia de los métodos de aprendizaje automático tradicionales. También menciona las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Más información
En este curso, se te enseña a crear un modelo de generación de leyendas de imágenes con el aprendizaje profundo. Aprenderás sobre los distintos componentes de los modelos de generación de leyendas de imágenes, como el codificador y el decodificador, y cómo entrenar y evaluar tu modelo. Al final del curso, podrás crear tus propios modelos y usarlos para generar leyendas de imágenes.
Más información
En este curso, se presentan la arquitectura de transformadores y el modelo de Bidirectional Encoder Representations from Transformers (BERT). Aprenderás sobre los componentes principales de la arquitectura de transformadores, como el mecanismo de autoatención, y cómo se usa para crear el modelo BERT. También aprenderás sobre las diferentes tareas para las que puede usarse BERT, como la clasificación de texto, la respuesta de preguntas y la inferencia de lenguaje natural. Tardarás aproximadamente 45 minutos en completar este curso.
Más información
En este curso, se brinda un resumen de la arquitectura de codificador-decodificador, una arquitectura de aprendizaje automático importante y potente para realizar tareas de secuencia por secuencia, como las de traducción automática, resúmenes de texto y respuestas a preguntas. Aprenderás sobre los componentes principales de la arquitectura de codificador-decodificador y cómo entrenar y entregar estos modelos. En la explicación del lab, programarás una implementación sencilla de la arquitectura de codificador-decodificador en TensorFlow para generar poemas desde un comienzo.
Más información
Este curso es una introducción al mecanismo de atención, una potente técnica que permite a las redes neuronales enfocarse en partes específicas de una secuencia de entrada. Sabrás cómo funciona la atención y cómo puede utilizarse para mejorar el rendimiento de diversas tareas de aprendizaje automático, como la traducción automática, el resumen de textos y la respuesta a preguntas.
Más información
En este curso, se presenta una introducción a los modelos de difusión: una familia de modelos de aprendizaje automático que demostraron ser muy prometedores en el área de la generación de imágenes. Los modelos de difusión se inspiran en la física, específicamente, en la termodinámica. En los últimos años, los modelos de difusión se han vuelto populares tanto en investigaciones como en la industria. Los modelos de difusión respaldan muchos de los modelos de generación de imágenes y herramientas vanguardistas de Google Cloud. En este curso, se presenta la teoría detrás de los modelos de difusión y cómo entrenarlos y, luego, implementarlos en Vertex AI.
Más información
El curso comienza con un debate sobre los datos: cómo mejorar su calidad y cómo realizar análisis exploratorios de ellos. Describimos Vertex AI AutoML y cómo crear, entrenar e implementar un modelo de AA sin escribir una sola línea de código. Conocerás los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.
Más información
Containerized applications have changed the game and are here to stay. With Kubernetes, you can orchestrate containers with ease, and integration with the Google Cloud Platform is seamless. In this advanced-level quest, you will be exposed to a wide range of Kubernetes use cases and will get hands-on practice architecting solutions over the course of 8 labs. From building Slackbots with NodeJS, to deploying game servers on clusters, to running the Cloud Vision API, Kubernetes Solutions will show you first-hand how agile and powerful this container orchestration system is.
Más información
Kubernetes es el sistema para la organización de contenedores más popular, y Google Kubernetes Engine se diseñó específicamente para admitir implementaciones de Kubernetes administradas en Google Cloud. En este curso de nivel avanzado, adquirirás experiencia práctica en la configuración de imágenes y contenedores de Docker, así como en la implementación de aplicaciones completas de Kubernetes Engine. También aprenderás las habilidades prácticas necesarias para integrar la organización de contenedores en tu propio flujo de trabajo. ¿Buscas un lab de desafío práctico para demostrar tus habilidades y validar tus conocimientos? Cuando termines este curso, completa el lab de desafío adicional que encontrarás al final del curso Implementa aplicaciones de Kubernetes en Google Cloud para recibir una insignia digital exclusiva de Google Cloud.
Más información
En este curso, se exploran los beneficios de utilizar Vertex AI Feature Store, cómo mejorar la exactitud de los modelos de AA y cómo descubrir cuáles columnas de datos producen los atributos más útiles. El curso también incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.
Más información
En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.
Más información
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.
Más información
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.
Más información
En este curso, se explica cómo crear modelos de AA con TensorFlow y Keras, cómo mejorar la exactitud de los modelos de AA y cómo escribir modelos de AA para uso escalado.
Más información
¿Cuáles son las prácticas recomendadas para implementar el aprendizaje automático en Google Cloud? ¿Qué es Vertex AI y cómo se puede utilizar la plataforma para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código? ¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar?
Google considera que el aprendizaje automático es diferente: se trata de proporcionar una plataforma unificada para conjuntos de datos administrados, un almacén de atributos, una forma de crear, entrenar e implementar modelos de aprendizaje automático sin escribir una sola línea de código, así como proporcionar la capacidad de etiquetar datos y crear notebooks de Workbench utilizando frameworks como TensorFlow, SciKit-learn, Pytorch, R y otros. Vertex AI Platform también ofrece la posibilidad de entrenar modelos personalizados, crear canalizaciones de componentes y realizar predicciones en línea y por lotes. Además, analiza…
Más información
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
Más información
