Daniel Gomez
Jest członkiem od 2021
Liga brązowa
23640 pkt.
Generative AI Fundamentals - Polski
Earned sty 29, 2024 EST
Introduction to Responsible AI - Polski
Earned sty 29, 2024 EST
Introduction to Large Language Models - Polski
Earned sty 29, 2024 EST
Google Cloud Data Analytics Essentials
Earned sty 24, 2024 EST
Machine Learning in the Enterprise
Earned sty 16, 2024 EST
Natural Language Processing on Google Cloud
Earned sty 3, 2024 EST
Introduction to Generative AI - Polski
Earned sty 2, 2024 EST
Production Machine Learning Systems
Earned sty 2, 2024 EST
[DEPRECATED] Feature Engineering
Earned gru 30, 2023 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned gru 28, 2023 EST
Launching into Machine Learning
Earned gru 28, 2023 EST
Machine Learning Operations (MLOps): Getting Started
Earned gru 25, 2023 EST
Introduction to AI and Machine Learning on Google Cloud
Earned gru 24, 2023 EST
Aby zdobyć odznakę umiejętności, ukończ szkolenia Introduction to Generative AI, Introduction to Large Language Models i Introduction to Responsible AI. Zdaj test i pokaż, że rozumiesz podstawowe koncepcje związane z generatywną AI.
Odznaka umiejętności to cyfrowa odznaka wydawana przez Google Cloud, która potwierdza Twoją wiedzę o produktach i usługach Google Cloud. Ustaw swój profil jako publiczny i dodaj odznakę umiejętności do profilu w mediach społecznościowych, aby pochwalić się swoim osiągnięciem.
Więcej informacji
Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.
Więcej informacji
To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.
Więcej informacji
Discover how to turn raw numbers into clear, data-driven decisions on Google Cloud. Through hands-on labs and practical real-world scenarios, this beginner-level course guides you through querying data in BigQuery, exploring trends in Looker, and crafting shareable, interactive reports in Data Studio.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
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.
Więcej informacji
