Lidia Torres Entrena
Member since 2023
Diamond League
18015 points
Member since 2023
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.
Kurumsal yapay zeka ve makine öğreniminin kullanımı arttıkça, bu teknolojileri sorumlu bir şekilde geliştirmenin önemi de artıyor. Birçok kişi için sorumlu yapay zeka hakkında konuşmak, bunu uygulamaya geçirmekten daha kolaydır. Kuruluşunuzda sorumlu yapay zekayı nasıl hayata geçireceğinizi öğrenmek istiyorsanız bu kurs tam size göre. Bu kursta, kendi sorumlu yapay zeka yaklaşımınızı geliştirirken size rehberlik edecek bir çerçeve oluşturmak adına Google Cloud'un bu süreci günümüzde nasıl yürüttüğünü, en iyi uygulama örneklerini ve edindiğimiz tecrübeleri keşfedeceksiniz.
Giriş seviyesindeki bu mikro öğrenme kursu, sorumlu yapay zekanın ne olduğunu, neden önemli olduğunu ve Google'ın sorumlu yapay zekayı ürünlerinde nasıl uyguladığını açıklamayı amaçlamaktadır. Ayrıca Google'ın 3 yapay zeka ilkesini de tanıtır.
Giriş seviyesindeki bu mikro öğrenme kursunda; büyük dil modellerinin (LLM) ne olduğu, hangi kullanım alanlarında kullanılabilecekleri ve istem ayarlama ile LLM performansını nasıl artırabileceğiniz ele alınmaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da yer almaktadır.
Bu giriş seviyesi mikro öğrenme kursu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenimi yöntemlerinden farkını açıklamayı amaçlamaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da ele alınmaktadır.
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
In this course, we define what machine learning is and how it can benefit your business. You'll see a few demos of ML in action and learn key ML terms like instances, features, and labels. In the interactive labs, you will practice invoking the pretrained ML APIs available as well as build your own Machine Learning models using just SQL with BigQuery ML.
This is the second course in the Data to Insights course series. Here we will cover how to ingest new external datasets into BigQuery and visualize them with Looker Studio. We will also cover intermediate SQL concepts like multi-table JOINs and UNIONs which will allow you to analyze data across multiple data sources. Note: Even if you have a background in SQL, there are BigQuery specifics (like handling query cache and table wildcards) that may be new to you. After completing this course, enroll in the Achieving Advanced Insights with BigQuery course.