Akram Fais
Participante desde 2024
Liga Diamante
43730 pontos
Participante desde 2024
Este curso apresenta tópicos importantes sobre privacidade e segurança da IA. Ele também aborda recursos e métodos úteis para implementar práticas recomendadas de privacidade e segurança da IA com o uso de produtos do Google Cloud e ferramentas de código aberto.
Neste curso, apresentamos os conceitos de interpretabilidade e transparência em IA. Vamos abordar a importância da transparência em IA para desenvolvedores e engenheiros. O curso também abrange ferramentas e métodos práticos para ajudar a alcançar a interpretabilidade e a transparência em dados e modelos de IA.
Neste curso, apresentamos conceitos de IA responsável e princípios de IA. Ele contém técnicas para identificar e reduzir o viés e aplicar a imparcialidade nas práticas de ML/IA. Vamos abordar ferramentas e métodos práticos para implementar as práticas recomendadas de IA responsável usando produtos do Google Cloud e ferramentas de código aberto.
Os aplicativos de IA generativa proporcionam novas experiências de usuário que eram quase impossíveis antes da invenção dos modelos de linguagem grandes (LLMs). Ao desenvolver aplicativos, como você pode usar a IA generativa para criar apps potentes e interativos no Google Cloud? Neste curso, você vai conhecer os aplicativos de IA generativa e aprender a usar o design de comandos e a geração aumentada de recuperação (RAG) para criar apps avançados com a ajuda dos LLMs. Você também vai saber o que é a arquitetura pronta para produção, usada nos aplicativos de IA generativa, e vai criar um aplicativo de chat com base em RAG e LLM.
Conquiste o selo de habilidade intermediário ao concluir o curso Como criar e implantar soluções de machine learning na Vertex AI. Nele você aprenderá a usar a plataforma Vertex AI, o AutoML e os serviços de treinamento personalizados para treinar, avaliar, ajustar, explicar e implantar modelos de machine learning. Esse curso com selo de habilidade é destinado a cientistas de dados e engenheiros de machine learning. Os selos de habilidade são digitais e exclusivos. Eles são emitidos pelo Google Cloud como forma de reconhecer sua proficiência com os produtos e serviços do Cloud e comprovam sua habilidade de aplicar seu conhecimento em um ambiente prático e interativo. Conclua o curso com selo de habilidade e o laboratório com desafio da avaliação final para receber um selo digital que pode ser compartilhado com sua rede.
Neste curso, você vai aprender com engenheiros e instrutores de ML que trabalham com o desenvolvimento de última geração dos pipelines de ML aqui no Google Cloud. Nos primeiros módulos, vamos abordar o TensorFlow Extended (ou TFX), que é uma plataforma de machine learning do Google baseada no TensorFlow criada para gerenciar pipelines e metadados de ML. Você vai conhecer os componentes e a orquestração de um pipeline com o TFX. Também vamos abordar como é possível automatizar os pipelines usando a integração e a implantação contínuas e como gerenciar os metadados de ML. Depois disso, vamos mudar o foco para discutir como podemos automatizar e reutilizar os pipelines de ML em vários frameworks de machine learning, como tensorflow, pytorch, scikit-learn e xgboost. Você também vai aprender a usar outra ferramenta no Google Cloud, o Cloud Composer, para orquestrar seus pipelines de treinamento contínuo. Por fim, vamos mostrar como usar o MLflow para gerenciar o ciclo de vida completo do ma…
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção. Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
O objetivo desse curso é equipar você com o conhecimento e as ferramentas necessários para resolver os desafios enfrentados por equipes de MLOps durante o desenvolvimento e gerenciamento de modelos de IA generativa. Também queremos mostrar como a Vertex AI ajuda equipes de IA a simplificar processos de MLOps e a alcançar o sucesso em projetos de IA generativa.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.
O curso apresenta os benefícios de usar a Vertex AI Feature Store e ensina a melhorar a acurácia dos modelos de ML e a identificar as colunas de dados que apresentam os atributos mais úteis. Ele também oferece conteúdo teórico e laboratórios sobre engenharia de atributos com BigQuery ML, Keras e TensorFlow.
Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, teste, monitoramento e automação de sistemas de ML em produção. Também incluímos experiências práticas de uso da ingestão de streaming do Vertex AI Feature Store na camada do SDK.
Conclua o selo de habilidade intermediário Dados de engenharia para modelagem preditiva com o BigQuery ML para mostrar que você sabe: criar pipelines de transformação de dados no BigQuery usando o Dataprep by Trifacta; usar o Cloud Storage, o Dataflow e o BigQuery para criar fluxos de trabalho de extração, transformação e carregamento de dados (ELT); e criar modelos de machine learning usando o BigQuery ML.
Neste curso, vamos conhecer os componentes e as práticas recomendadas para criar sistemas de ML com alto desempenho em ambientes de produção. Vamos abordar algumas considerações comuns relacionadas à criação desses sistemas, como treinamento estático e dinâmico, inferência estática e dinâmica, TensorFlow distribuído e TPUs. O objetivo deste curso é conhecer as características de um sistema de ML eficiente, que vão muito além da capacidade de fazer boas previsões.
Este curso é uma introdução aos Notebooks da Vertex AI, que são ambientes baseados em notebooks do Jupyter. Eles fornecem uma plataforma unificada para todo o fluxo de trabalho de machine learning, desde a preparação de dados até a implantação e monitoramento de modelos. Tópicos do curso: (1) Diferentes tipos de Notebooks da Vertex AI e os recursos deles e (2) Como criar e gerenciar Notebooks da Vertex AI.
Conquiste o selo de habilidade introdutório Preparar dados para APIs de ML no Google Cloud para demonstrar que você é capaz de: limpar dados com o Dataprep by Trifacta, executar pipelines de dados no Dataflow, criar clusters e executar jobs do Apache Spark no Dataproc e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.
Este curso ajuda a criar um plano de estudo para o exame de certificação Professional Machine Learning Engineer (PMLE). É possível conferir a amplitude e o escopo dos domínios abordados no exame. Os estudantes também podem acompanhar os preparativos para o exame e criar planos de estudo individuais.
Este curso ensina a criar modelos de ML com o TensorFlow e o Keras, melhorar a acurácia deles e desenvolver modelos para uso em escala.
O curso começa com a seguinte discussão: como melhorar a qualidade dos dados e fazer uma análise exploratória deles? Descrevemos o AutoML na Vertex AI e como criar, treinar e implantar um modelo de ML sem escrever nenhuma linha de código. Você vai conhecer os benefícios do BigQuery ML. Depois vamos falar sobre como otimizar um modelo de machine learning (ML) e como a generalização e a amostragem podem ajudar na avaliação de qualidade dos modelos de ML em treinamentos personalizados.
Neste curso, vamos definir o que é machine learning e como ele pode beneficiar seu negócio. Você vai conferir algumas demonstrações do ML em ação e aprender termos importantes da área, como instâncias, atributos e rótulos. Nos laboratórios interativos, você vai praticar a invocação de APIs de ML pré-treinadas e criar seus próprios modelos de machine learning usando apenas SQL no BigQuery ML.
Este curso apresenta os produtos e serviços de Big Data e machine learning do Google Cloud que auxiliam no ciclo de vida de dados para IA. Ele explica os processos, os desafios e os benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.
Neste curso, apresentamos os recursos de IA e machine learning (ML) do Google Cloud, com foco no desenvolvimento de projetos de IA generativa e preditiva. Vamos conhecer as tecnologias, os produtos e as ferramentas disponíveis em todo o ciclo de vida de dados para IA, capacitando cientistas de dados, desenvolvedores de IA e engenheiros de ML para aprimorar a experiência com exercícios interativos.
Conclua o selo de habilidade intermediário Criar modelos de ML com o BigQuery ML para mostrar que você sabe: criar e avaliar modelos de machine learning usando o BigQuery ML para fazer previsões de dados.
Conclua o curso intermediário com selo de habilidade Realizar análise de dados preditiva no BigQuery para demonstrar suas habilidades nas seguintes áreas: criação de conjuntos de dados no BigQuery importando arquivos CSV e JSON; aproveitamento do potencial do BigQuery com conceitos analíticos sofisticados de SQL, incluindo o uso do BigQuery ML para treinar um modelo de gols com base em dados de eventos de futebol e avaliar a qualidade dos gols da Copa do Mundo.
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
Ganhe um selo de habilidade ao concluir o curso Análise de sentimento com a API Natural Language, em que você aprende como a API entende o sentimento do texto.
Ganhe um selo de habilidade ao concluir o curso Análise de fala e linguagem com APIs do Google. Nele, você aprende a usar a API Natural Language e a API Speech em configurações reais.
Ganhe um selo de habilidade ao concluir o curso Análise de imagens com a API Cloud Vision, em que você descobre como usar essa API para várias tarefas, incluindo a extração de texto das imagens.
Conclua o selo de habilidade introdutório Criar objetos do LookML no Looker para demonstrar que você sabe: criar dimensões e métricas, visualizações e tabelas derivadas; definir filtros e tipos de métricas com base nos requisitos; atualizar dimensões e métricas; criar e refinar Análises, combinar visualizações com Análises atuais e decidir quais objetos do LookML criar com base nos requisitos de negócios.
Business professionals in non-technical roles have a unique opportunity to lead or influence machine learning projects. If you have questions about machine learning and want to understand how to use it, without the technical jargon, this course is for you. Learn how to translate business problems into machine learning use cases and vet them for feasibility and impact. Find out how you can discover unexpected use cases, recognize the phases of an ML project and considerations within each, and gain confidence to propose a custom ML use case to your team or leadership or translate the requirements to a technical team.
Os cursos da série Fundamentos da computação do Google Cloud são direcionados para pessoas com pouca ou nenhuma formação ou experiência na área de computação em nuvem. Eles apresentam uma visão geral dos principais conceitos de nuvem, Big Data e machine learning, além do papel do Google Cloud no uso dessas tecnologias. Ao final da série, os estudantes saberão articular esses conceitos e demonstrar algumas habilidades práticas. Você precisa concluir os cursos na seguinte ordem: 1. Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem 2. Fundamentos da computação do Google Cloud: infraestrutura no Google Cloud Fundamentos da computação do Google Cloud: redes e segurança no Google Cloud 4. Fundamentos da computação do Google Cloud: dados, ML e IA no Google Cloud Este último curso da série revisa quais são serviços de Big Data gerenciados, o que é machine learning e qual o valor dele e como comprovar sua capacidade no Google Cloud, conquistando selos de hab…
O curso Descobrindo a IA Generativa - Vertex AI é uma coleção de laboratórios sobre como usar a IA generativa no Google Cloud. Nos laboratórios, você vai aprender como usar os modelos da família da API Vertex AI PaLM, incluindo text-bison, chat-bison, e textembedding-gecko. Você também vai aprender sobre design de comandos, práticas recomendadas, e como isso pode ser usado para gerar ideias, classificar, extrair e resumir textos e muito mais. Saiba também como ajustar um modelo de fundação com um treinamento personalizado no Vertex AI e implantá-lo em um endpoint do Vertex AI.
Usar a capacidade de computação em grande escala para reconhecer padrões e "ler" imagens é uma das tecnologias fundamentais de IA, desde carros com condução automática até reconhecimento facial. O Google Cloud Platform oferece velocidade e precisão de nível internacional, com sistemas que podem ser usados ao chamar APIs. Com eles e várias outras APIs, o GCP tem praticamente uma ferramenta para cada job de machine learning. Neste curso introdutório, você vai praticar a aplicação do machine learning em processamento de imagens com laboratórios que permitem rotular imagens, detectar rostos e pontos de referência, extrair, analisar e traduzir texto de imagens.
Não é novidade que o machine learning é um dos campos que mais cresce na área de tecnologia, e o Google Cloud Platform tem sido fundamental para esse desenvolvimento. Com diversas APIs, o GCP tem uma ferramenta para praticamente todos os jobs de machine learning. Neste curso introdutório, você vai praticar a aplicação do machine learning ao processamento de linguagem em laboratórios que permitem extrair entidades de textos e realizar análises sintáticas e de sentimento, além de usar a API Speech-to-Text para transcrição.
Big Data, machine learning e inteligência artificial são áreas da computação que estão em alta. Mas esses são campos muito especializados, e é difícil encontrar materiais introdutórios sobre eles. Felizmente, o Google Cloud oferece serviços fáceis de usar nessas áreas, e com este curso de nível básico, você já pode começar sua jornada com ferramentas como o BigQuery, a API Cloud Speech e o Video Intelligence.