Miembro desde 2025
Aspectos básicos de la computación en Google Cloud: Fundamentos de la computación en la nube
Earned oct 17, 2026 EDT
Operaciones de aprendizaje automático (MLOps) para la IA generativa
Earned jul 17, 2025 EDT
Modelos de transformadores y modelo BERT
Earned jul 10, 2025 EDT
Mecanismo de atención
Earned jul 5, 2025 EDT
Arquitectura de codificador-decodificador
Earned jul 2, 2025 EDT
Los cursos de Google Cloud Computing Foundations están destinados a personas que tienen un poco o nada de noción previa o experiencia sobre computación en la nube. Brindan una descripción general de los conceptos centrales básicos de la nube, los macrodatos y el aprendizaje automático, y explican dónde y cómo resulta adecuado utilizar Google Cloud. Cuando finalicen la serie de cursos, los alumnos podrán hablar con claridad sobre estos conceptos y demostrar sus habilidades prácticas. Los cursos deben completarse en el siguiente orden: 1. Aspectos básicos de la computación en Google Cloud: Fundamentos de la computación en la nube 2. Aspectos básicos de la computación en Google Cloud: Infraestructura en Google Cloud 3. Aspectos básicos de la computación en Google Cloud: Redes y seguridad en Google Cloud 4. Aspectos básicos de la computación en Google Cloud: Datos, IA y AA en Google Cloud Este primer curso brinda una descripción general de la computación en la nube, formas de usar Googl…
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.
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.
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.
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.