Completa la insignia de habilidad intermedia Ingeniería de agentes de IA con el Kit de desarrollo de agentes (ADK) completando este curso y demuestra tus habilidades para realizar las siguientes actividades: formular problemas de investigación de modelos de lenguaje del mundo real, crear un tokenizador simple, preparar un conjunto de datos para entrenar un modelo de lenguaje transformador y ejecutar el bucle de entrenamiento de un modelo de lenguaje pequeño.
Ya creaste agentes con la configuración avanzada, ahora es momento de darles capacidades del mundo real. Equipa a los agentes con herramientas que les permitan buscar en la Web, ejecutar código, realizar consultas en bases de datos y acciones personalizadas.
Ya creaste agentes de LLM básicos que responden a consultas, ahora hagamos que sean con estado. Usa el estado de la sesión para crear agentes que mantengan el contexto, recuerden las preferencias de los usuarios y brinden experiencias personalizadas.
Ya creaste tu primer agente: ahora es momento de dar el siguiente paso. En este curso, mejorarás tus habilidades aprendiendo a convertir un agente de IA básico en un asistente sofisticado y preciso. También aplicarás instrucciones avanzadas, selección de modelos, capacidades de planificación y patrones de salida estructurados. Únete al foro de la comunidad para realizar preguntas y participar en debates
Convierte tu comprensión de los agentes en una realidad práctica creando, configurando y ejecutando tu primer agente de IA con el Kit de desarrollo de agentes (ADK) de Google. En este curso práctico, configurarás un entorno de desarrollo de ADK completo, crearás agentes con código de Python y configuración de YAML, y los ejecutarás a través de múltiples interfaces. También aprenderás cuáles son los parámetros principales que definen el comportamiento de los agentes, por lo que usarás lo aprendido en el curso 1 y lo aplicarás con código real.
En este curso, se muestra cómo usar modelos de IA/AA para tareas de IA generativa en BigQuery. A través de un caso de uso práctico relacionado con la administración de relaciones con clientes, conocerás el flujo de trabajo para solucionar un problema empresarial con modelos de Gemini. Para facilitar la comprensión, el curso también proporciona orientación paso a paso a través de soluciones de programación utilizando consultas en SQL y notebooks de Python.
Descubre cómo ejecutar inferencias con BigQuery ML, por qué deben utilizarlo los analistas de datos, sus casos de uso y los modelos de AA compatibles. También aprenderás a crear y administrar estos modelos de AA en BigQuery.
En este curso, descubrirás cómo Gemini, un colaborador potenciado por IA generativa de Google Cloud, ayuda a analizar los datos de los clientes y predecir las ventas de productos. También aprenderás a identificar, categorizar y desarrollar los clientes nuevos usando datos de clientes en BigQuery. A través de labs prácticos, comprobarás cómo Gemini mejora los flujos de trabajo de análisis de datos y aprendizaje automático. Recuerda que Duet AI ahora se llama Gemini, nuestro modelo de nueva generación.
Este curso es una introducción a Notebooks de Vertex AI, que son entornos basados en notebooks de Jupyter que proporcionan una plataforma unificada para todo el flujo de trabajo de aprendizaje automático, desde la preparación de los datos hasta la implementación y supervisión de los modelos. Se abordan los siguientes temas: (1) Los diferentes tipos de Notebooks de Vertex AI y sus funciones y (2) cómo crear y administrar Notebooks de Vertex AI.
Completa la insignia de habilidad introductoria Prepara datos para las APIs de AA en Google Cloud y demuestra tus habilidades para realizar las siguientes actividades: limpiar datos con Dataprep de Trifacta, ejecutar canalizaciones de datos en Dataflow, crear clústeres y ejecutar trabajos de Apache Spark en Managed Service for Apache Spark y llamar a APIs de AA, como la API de Cloud Natural Language, la API de Google Cloud Speech-to-Text y la API de Video Intelligence.
En este curso, se presentan las funciones de IA y aprendizaje automático (AA) de Google Cloud, con un enfoque en el desarrollo de proyectos de IA generativa y predictiva. Se exploran las diversas tecnologías, productos y herramientas disponibles durante el ciclo de vida desde los datos hasta la IA, y se trabaja con ejercicios interactivos para que los científicos de datos, ingenieros de AA y desarrolladores de IA puedan enriquecer su experiencia.
Aprende a usar Gemini Notebook para crear una guía de estudio personalizada para el examen de certificación Professional Machine Learning Engineer (PMLE). Repasarás las funciones de Gemini Notebook, crearás un notebook y usarás la guía de estudio como práctica para el examen de certificación.
En este curso de nivel introductorio, obtendrás práctica con las herramientas y servicios básicos de Google Cloud. Se proporcionan videos opcionales para brindar más contexto y un repaso de los conceptos tratados en los labs. Conceptos básicos de Google Cloud es un primer curso recomendado para los estudiantes de la plataforma: puedes empezar con pocos o ningún conocimiento previo de la nube y terminar con experiencia práctica que podrás aplicar a tu primer proyecto en Google Cloud. Desde la escritura de comandos en Cloud Shell y la implementación de tu primera máquina virtual, hasta la ejecución de apps en Kubernetes Engine o con balanceo de cargas, Conceptos básicos de Google Cloud es la introducción ideal a las características básicas de la plataforma.
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.