Zafar Abdugaffarov
Mitglied seit 2023
Diamond League
56720 Punkte
Einführung in die Sicherheitsgrundsätze für das Cloud-Computing
Earned Dez 16, 2025 EST
Strategien für den Umgang mit Sicherheitsrisiken in der Cloud
Earned Dez 16, 2025 EST
Sicherheitsrisiken in der Cloud: Erkennung und Schutz vor Bedrohungen
Earned Dez 16, 2025 EST
Erkennung, Abwehr und Wiederherstellung bei Angriffen auf die Cloud-Sicherheit
Earned Dez 16, 2025 EST
Das Gelernte umsetzen: Vorbereitung auf die Arbeit als Cloud Security Analyst
Earned Dez 16, 2025 EST
Put It All Together: Prepare for a Cloud Security Analyst Job
Earned Jul 16, 2024 EDT
Detect, Respond, and Recover from Cloud Cybersecurity Attacks
Earned Jul 15, 2024 EDT
Cloud Security Risks: Identify and Protect Against Threats
Earned Jun 13, 2024 EDT
Strategies for Cloud Security Risk Management
Earned Mai 29, 2024 EDT
Introduction to Security Principles in Cloud Computing
Earned Mai 16, 2024 EDT
Google Cloud-Grundlagen: Kerninfrastruktur
Earned Apr 23, 2024 EDT
Lernplan zur Vorbereitung auf die ACE-Zertifizierungsprüfung erstellen
Earned Apr 13, 2024 EDT
Generative KI kennenlernen – Agent Platform
Earned Apr 7, 2024 EDT
Einführung in Vertex AI Studio
Earned Apr 7, 2024 EDT
Modelle zur Bilduntertitelung erstellen
Earned Apr 2, 2024 EDT
Transformer-Modelle und BERT-Modell
Earned Apr 2, 2024 EDT
Encoder-Decoder-Architektur
Earned Apr 1, 2024 EDT
Aufmerksamkeitsmechanismus
Earned Mär 31, 2024 EDT
Einstieg in die Bildgenerierung
Earned Mär 31, 2024 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Mär 20, 2024 EDT
Prompt-Design mit Agent Platform
Earned Mär 19, 2024 EDT
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Mär 12, 2024 EDT
Einführung in Large Language Models
Earned Mär 12, 2024 EDT
Einführung in generative KI
Earned Mär 12, 2024 EDT
Datenmodelle in Looker verwalten
Earned Mär 9, 2024 EST
LookML-Objekte in Looker erstellen
Earned Mär 6, 2024 EST
Data Catalog Fundamentals
Earned Feb 28, 2024 EST
Erweiterte LookML-Konzepte in Looker anwenden
Earned Feb 28, 2024 EST
ML-Modelle mit BigQuery ML erstellen
Earned Feb 22, 2024 EST
Informationen aus BigQuery-Daten ableiten
Earned Feb 21, 2024 EST
Daten für Looker-Dashboards und ‑Berichte vorbereiten
Earned Feb 20, 2024 EST
Developing Data Models with LookML
Earned Feb 20, 2024 EST
Analyzing and Visualizing Data in Looker
Earned Feb 4, 2024 EST
Grundlagen der Datenanalyse mit Google Cloud
Earned Jan 25, 2024 EST
ML-Lösungen mit Vertex AI erstellen und bereitstellen
Earned Nov 16, 2023 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Nov 5, 2023 EST
ML Pipelines on Google Cloud
Earned Okt 31, 2023 EDT
MLOps with Agent Platform: Manage Features
Earned Okt 7, 2023 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Okt 5, 2023 EDT
Recommendation Systems on Google Cloud
Earned Okt 5, 2023 EDT
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Sep 28, 2023 EDT
Natural Language Processing on Google Cloud
Earned Sep 21, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned Sep 5, 2023 EDT
Production Machine Learning Systems
Earned Aug 23, 2023 EDT
Machine Learning in the Enterprise
Earned Aug 21, 2023 EDT
[DEPRECATED] Feature Engineering
Earned Jul 27, 2023 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Jul 9, 2023 EDT
Launching into Machine Learning
Earned Jun 26, 2023 EDT
How Google Does Machine Learning
Earned Jun 8, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned Mai 24, 2023 EDT
Dies ist der erste von fünf Kursen des Google Cloud Cybersecurity Certificate. In diesem Kurs lernen Sie die Grundlagen der Cybersicherheit kennen, darunter den Sicherheitslebenszyklus, die digitale Transformation und wichtige Konzepte des Cloud-Computing. Außerdem erfahren Sie, welche Tools von Cloud Security Analysts in Einstiegspositionen zur Automatisierung von Aufgaben verwendet werden.
Weitere Informationen
Dies ist der zweite von fünf Kursen des Google Cloud Cybersecurity Certificate. In diesem Kurs lernen Sie weit verbreitete Frameworks für das Risikomanagement in der Cloud kennen. Dabei werden Sicherheitsbereiche, Compliance-Lebenszyklen und Branchenstandards wie HIPAA, NIST CSF und SOC behandelt. Sie erwerben Kenntnisse in den Bereichen Risikoidentifizierung, Implementierung von Sicherheitskontrollen, Compliance-Bewertung und Datenverwaltung. Außerdem sammeln Sie praktische Erfahrungen mit Google Cloud- und Multi-Cloud-Tools, die speziell für Risiko und Compliance entwickelt wurden. Und es werden Techniken zur Vorbereitung auf Bewerbungen und Vorstellungsgespräche vermittelt. So wird eine umfassende Grundlage geschaffen, um die komplexe Landschaft des Cloud-Risikomanagements zu verstehen und sich darin zurechtzufinden.
Weitere Informationen
Dies ist der dritte von fünf Kursen des Google Cloud Cybersecurity Certificate. In diesem Kurs werden die Grundlagen der Identitätsverwaltung und Zugriffssteuerung in einer Cloud-Umgebung behandelt, einschließlich AAA-Elementen (Authentifizierung, Autorisierung und Auditing), Umgang mit Anmeldedaten und Zertifikatsverwaltung. Außerdem befassen Sie sich mit wichtigen Themen wie dem Umgang mit Bedrohungen und Sicherheitslücken, cloudnativen Prinzipien und Maßnahmen zum Datenschutz. Nach Abschluss des Kurses verfügen Sie über die Fähigkeiten und das Wissen, um cloudbasierte Ressourcen und sensible Unternehmensdaten zu schützen. Außerdem werden Sie sich weiterhin mit Karriereressourcen beschäftigen und Ihre Interviewtechniken verfeinern, um Sie auf den nächsten Schritt in Ihrer beruflichen Laufbahn vorzubereiten.
Weitere Informationen
Dies ist der vierte von fünf Kursen des Google Cloud Cybersecurity Certificate. In diesem Kurs geht es um Skills in den Bereichen Logging, Sicherheit und Monitoring von Benachrichtigungen sowie Methoden zur Abwehr von Angriffen. Teilnehmer lernen, wie sie Bedrohungsfeeds anpassen, mit Vorfällen umgehen, Krisenkommunikation betreiben, Ursachenanalysen durchführen, auf Vorfälle reagieren und nach einem Vorfall kommunizieren. Mithilfe von Google Cloud-Tools identifizieren sie Kompromittierungsindikatoren und bereiten sich auf die Aufrechterhaltung des Geschäftsbetriebs und die Notfallwiederherstellung vor. Neben diesen technischen Fähigkeiten arbeiten sie weiter an ihrem Lebenslauf und üben Vorstellungsgesprächstechniken.
Weitere Informationen
Dies ist der fünfte von fünf Kursen des Google Cloud Cybersecurity Certificate. In diesem Kurs kombinieren und wenden Sie in einem interaktiven Abschlussprojekt wichtige Konzepte an. Dazu gehören Cloud-Sicherheitsgrundsätze, Risikomanagement, Identifizierung von Sicherheitslücken, Vorfallmanagement und Krisenkommunikation. Außerdem bringen Sie Ihren Lebenslaufs auf den neuesten Stand und wenden alle neuen Techniken für Vorstellungsgespräche an, um sich auf Bewerbungen vorzubereiten.
Weitere Informationen
This is the fifth of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll combine and apply key concepts such as cloud security principles, risk management, identifying vulnerabilities, incident management, and crisis communications in an interactive capstone project. Additionally, you'll finalize your resume updates and put to practice all the new interview techniques you've learned, preparing you to confidently apply for and interview for jobs in the field.
Weitere Informationen
This is the fourth of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll focus on developing capabilities in logging, security, and alert monitoring, along with techniques for mitigating attacks. You'll gain valuable knowledge in customizing threat feeds, managing incidents, handling crisis communications, conducting root cause analysis, and mastering incident response and post-event communications. Using Google Cloud tools, you'll learn to identify indicators of compromise and prepare for business continuity and disaster recovery. Alongside these technical skills, you'll continue updating your resume and practicing interview techniques.
Weitere Informationen
This is the third of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll explore the principles of identity management and access control within a cloud environment, covering key elements like AAA (Authentication, Authorization, and Auditing), credential handling, and certificate management. You'll also explore essential topics in threat and vulnerability management, cloud-native principles, and data protection measures. Upon completing this course, you will have acquired the skills and knowledge necessary to secure cloud-based resources and safeguard sensitive organizational information. Additionally, you'll continue to engage with career resources and hone your interview techniques, preparing you for the next step in your professional journey.
Weitere Informationen
This is the second of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll explore widely-used cloud risk management frameworks, exploring security domains, compliance lifecycles, and industry standards such as HIPAA, NIST CSF, and SOC. You'll develop skills in risk identification, implementation of security controls, compliance evaluation, and data protection management. Additionally, you'll gain hands-on experience with Google Cloud and multi-cloud tools specific to risk and compliance. This course also incorporates job application and interview preparation techniques, offering a comprehensive foundation to understand and effectively navigate the complex landscape of cloud risk management.
Weitere Informationen
This is the first of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll explore the essentials of cybersecurity, including the security lifecycle, digital transformation, and key cloud computing concepts. You’ll identify common tools used by entry-level cloud security analysts to automate tasks.
Weitere Informationen
In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.
Weitere Informationen
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.
Weitere Informationen
Der Kurs „Generative KI kennenlernen – Agent Platform“ umfasst eine Reihe von Labs zur Verwendung von generativer KI in Google Cloud. In den Labs lernen Sie, wie Sie die Gemini-Modelle in der Agent Platform verwenden. Sie erfahren, wie Sie Prompts erstellen, Best Practices anwenden und die Modelle für Ideenfindung, Textklassifizierung, Textextraktion, Textzusammenfassung und mehr nutzen. Außerdem zeigen wir Ihnen, wie Sie ein Foundation Model durch benutzerdefiniertes Training in der Agent Platform abstimmen und auf einem Endpunkt in der Agent Platform bereitstellen.
Weitere Informationen
Dieser Kurs bietet eine Einführung in Vertex AI Studio, ein Tool für die Interaktion mit generativen KI-Modellen sowie das Prototyping von Geschäftsideen und ihre Umsetzung. Anhand eines eindrucksvollen Anwendungsfalls, ansprechender Lektionen und einer praktischen Übung lernen Sie den Lebenszyklus vom Prompt bis zum Produkt kennen und erfahren, wie Sie Vertex AI Studio für multimodale Gemini-Anwendungen, Prompt-Design, Prompt Engineering und Modellabstimmung einsetzen können. Ziel ist es, Ihnen aufzuzeigen, wie Sie das Potenzial von generativer KI in Ihren Projekten mit Vertex AI Studio ausschöpfen.
Weitere Informationen
In diesem Kurs erfahren Sie, wie Sie mithilfe von Deep Learning ein Modell zur Bilduntertitelung erstellen. Sie lernen die verschiedenen Komponenten eines solchen Modells wie den Encoder und Decoder und die Schritte zum Trainieren und Bewerten des Modells kennen. Nach Abschluss dieses Kurses haben Sie folgende Kompetenzen erworben: Erstellen eigener Modelle zur Bilduntertitelung und Verwenden der Modelle zum Generieren von Untertiteln
Weitere Informationen
Dieser Kurs bietet eine Einführung in die Transformer-Architektur und das BERT-Modell (Bidirectional Encoder Representations from Transformers). Sie lernen die Hauptkomponenten der Transformer-Architektur wie den Self-Attention-Mechanismus kennen und erfahren, wie Sie diesen zum Erstellen des BERT-Modells verwenden. Darüber hinaus werden verschiedene Aufgaben behandelt, für die BERT genutzt werden kann, wie etwa Textklassifizierung, Question Answering und Natural-Language-Inferenz. Der gesamte Kurs dauert ungefähr 45 Minuten.
Weitere Informationen
Dieser Kurs vermittelt Ihnen eine Zusammenfassung der Encoder-Decoder-Architektur, einer leistungsstarken und gängigen Architektur, die bei Sequenz-zu-Sequenz-Tasks wie maschinellen Übersetzungen, Textzusammenfassungen und dem Question Answering eingesetzt wird. Sie lernen die Hauptkomponenten der Encoder-Decoder-Architektur kennen und erfahren, wie Sie diese Modelle trainieren und bereitstellen können. Im dazugehörigen Lab mit Schritt-für-Schritt-Anleitung können Sie in TensorFlow von Grund auf einen Code für eine einfache Implementierung einer Encoder-Decoder-Architektur erstellen, die zum Schreiben von Gedichten dient.
Weitere Informationen
In diesem Kurs wird der Aufmerksamkeitsmechanismus vorgestellt. Dies ist ein leistungsstarkes Verfahren, das die Fokussierung neuronaler Netzwerke auf bestimmte Abschnitte einer Eingabesequenz ermöglicht. Sie erfahren, wie der Aufmerksamkeitsmechanismus funktioniert und wie Sie damit die Leistung verschiedener Machine Learning-Tasks wie maschinelle Übersetzungen, Zusammenfassungen von Texten und Question Answering verbessern können.
Weitere Informationen
In diesem Kurs werden Diffusion-Modelle vorgestellt, eine Gruppe verschiedener Machine Learning-Modelle, die kürzlich einige vielversprechende Fortschritte im Bereich Bildgenerierung gemacht haben. Diffusion-Modelle basieren auf physikalischen Konzepten der Thermodynamik und sind in den letzten Jahren in der Forschung und Industrie sehr beliebt geworden. Dabei stützen sich Diffusion-Modelle auf viele innovative Modelle und Tools zur Bildgenerierung in Google Cloud. In diesem Kurs werden Ihnen die theoretischen Grundlagen der Diffusion-Modelle erläutert und wie Sie diese Modelle über Vertex AI trainieren und bereitstellen können.
Weitere Informationen
Da die Nutzung von künstlicher Intelligenz und Machine Learning in Unternehmen weiter zunimmt, wird auch deren verantwortungsbewusste Entwicklung ein immer wichtigeres Thema. Dabei ist es für viele schwierig, die Überlegungen zur verantwortungsbewussten Anwendung von KI in die Praxis umzusetzen. Wenn Sie wissen möchten, wie sich die verantwortungsbewusste Anwendung von KI in die Praxis umsetzen, also operationalisieren lässt, finden Sie in diesem Kurs entsprechende Hilfestellungen.
In diesem Kurs erfahren Sie, wie dies mit Google Cloud heutzutage möglich ist, inklusive entsprechender Best Practices und Erkenntnisse. Es wird gezeigt, welches Framework Google Cloud bietet, um einen eigenen Ansatz für die verantwortungsbewusste Anwendung von KI zu entwickeln.
Weitere Informationen
Mit dem Skill-Logo Prompt-Design mit Agent Platform weisen Sie Grundkenntnisse in folgenden Bereichen nach: Prompt Engineering, Bildanalyse und multimodale generative Techniken in Agent Platform. Entdecken Sie, wie Sie wirksame Prompts erstellen, auf generativer KI basierende Ausgaben steuern und Gemini-Modelle in Marketing-Szenarien aus der Praxis anwenden.
Weitere Informationen
In diesem Einführungskurs im Microlearning-Format wird erklärt, was verantwortungsbewusste Anwendung von KI bedeutet, warum sie wichtig ist und wie Google dies in seinen Produkten berücksichtigt. Darüber hinaus werden die 7 KI-Grundsätze von Google behandelt.
Weitere Informationen
In diesem Einführungskurs im Microlearning-Format wird untersucht, was Large Language Models (LLM) sind, für welche Anwendungsfälle sie genutzt werden können und wie die LLM-Leistung durch Feinabstimmung von Prompts gesteigert werden kann. Darüber hinaus werden Tools von Google behandelt, die das Entwickeln eigener Anwendungen basierend auf generativer KI ermöglichen.
Weitere Informationen
In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene generative KI-Anwendungen entwickeln können.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Datenmodelle in Looker verwalten weisen Sie fortgeschrittene Kenntnisse in den folgenden Bereichen nach: Aufrechterhaltung des Zustands von LookML-Projekten, Verwendung von SQL-Runner zur Datenvalidierung, Umsetzung von Best Practices für LookML, Leistungsoptimierung von Abfragen und Berichten sowie Implementierung von persistenten abgeleiteten Tabellen und Caching-Richtlinien.
Weitere Informationen
Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.
Weitere Informationen
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
Weitere Informationen
In diesem Kurs sammeln Sie praktische Erfahrungen mit dem Anwenden erweiterter LookML-Konzepte in Looker. Sie lernen, wie Sie Liquid verwenden, um dynamische Dimensionen und Measures zu erstellen und anzupassen. Außerdem erfahren Sie, wie Sie dynamische abgeleitete SQL-Tabellen und benutzerdefinierte native abgeleitete Tabellen erstellen sowie Erweiterungen zur Modularisierung Ihres LookML-Codes nutzen.
Weitere Informationen
Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.
Weitere Informationen
MMit dem Skill-Logo zum Kurs Daten für Looker-Dashboards und ‑Berichte vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Filtern, Sortieren und Pivotieren von Daten, Zusammenführen der Ergebnisse von verschiedenen Looker-Explores sowie Verwenden von Funktionen und Operatoren zum Erstellen von Looker-Dashboards und ‑Berichten für Analyse und Visualisierung von Daten.
Weitere Informationen
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
Weitere Informationen
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Weitere Informationen
Erfahren Sie, wie Sie mit Google Cloud Rohdaten in klare, datengestützte Entscheidungen umwandeln können. In praxisorientierten Labs und realen Szenarien lernen Sie in diesem Kurs für Einsteiger, wie Sie Daten in BigQuery abfragen, Trends in Looker untersuchen und interaktive Berichte in Data Studio erstellen, die Sie mit anderen teilen können.
Weitere Informationen
Mit dem Skill-Logo zum Kurs ML-Lösungen mit Vertex AI erstellen und bereitstellen weisen Sie fortgeschrittene Kenntnisse nach. Sie lernen in diesem Kurs, wie Sie die Vertex AI-Plattform von Google Cloud, AutoML und benutzerdefinierte Trainingsdienste nutzen, um Machine-Learning-Modelle zu trainieren, zu bewerten, abzustimmen, zu erklären und bereitzustellen. Dieser Kurs richtet sich an professionelle Data Scientists und Machine Learning Engineers. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über Produkte und Dienste von Google Cloud belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Umgebung anzuwenden. Absolvieren Sie diese Aufgabenreihe und die Challenge-Lab-Prüfung, um ein digitales Abzeichen zu erhalten, das Sie in Ihrem Netzwerk posten können.
Weitere Informationen
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.
Weitere Informationen
In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.
Weitere Informationen
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.
Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt dabei auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die während des gesamten Data-to-AI-Lebenszyklus verfügbar sind. Data Scientists, Fachkräfte für KI-Entwicklung und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing.
The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.
Weitere Informationen
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
Weitere Informationen
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Weitere Informationen
The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
