LUCAS SANTOS
Menjadi anggota sejak 2023
Menjadi anggota sejak 2023
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu menganalisis data pelanggan dan memprediksi penjualan produk. Anda juga akan mempelajari cara mengidentifikasi, mengategorikan, dan mengembangkan pelanggan baru menggunakan data pelanggan di BigQuery. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan analisis data dan alur kerja machine learning. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Dapatkan badge keahlian tingkat menengah dengan menyelesaikan kursus Membangun dan Men-Deploy Solusi Machine Learning di Vertex AI, tempat Anda akan belajar cara menggunakan platform Vertex AI Google Cloud, AutoML, dan layanan pelatihan kustom untuk melatih, mengevaluasi, menyesuaikan, menjelaskan, serta men-deploy model machine learning. Kursus badge keahlian ini diperuntukkan bagi Data Scientist dan Engineer Machine Learning profesional. Badge keahlian adalah badge digital eksklusif yang diberikan oleh Google Cloud sebagai pengakuan atas kemahiran Anda dalam menggunakan produk dan layanan Google Cloud serta menguji kemampuan Anda dalam menerapkan pengetahuan di lingkungan praktis yang interaktif. Selesaikan Badge keahlian ini, dan challenge lab penilaian akhir, untuk menerima badge digital yang dapat Anda bagikan ke jaringan Anda.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
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.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
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. Learners will get hands-on practice using Vertex AI Feature Store's streaming ingestion at the SDK layer.
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.
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.
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.
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.
Dapatkan badge keahlian dengan menyelesaikan kursus Membangun Jaringan Google Cloud yang Aman yang membahas resource yang terkait dengan beberapa jaringan untuk membangun, menskalakan, dan mengamankan aplikasi Anda di Google Cloud.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.
Dapatkan badge keahlian dengan menyelesaikan kursus Menyiapkan Lingkungan Pengembangan Aplikasi di Google Cloud, yang memungkinkan Anda mempelajari cara membangun dan menghubungkan infrastruktur cloud yang berpusat pada penyimpanan menggunakan kemampuan dasar teknologi berikut: Cloud Storage, Identity and Access Management, Cloud Functions, dan Pub/Sub.
Selesaikan badge keahlian pengantar Mengimplementasikan Cloud Load Balancing untuk Compute Engine untuk menunjukkan keterampilan dalam hal berikut: membuat dan men-deploy virtual machine di Compute Engine serta mengonfigurasi load balancer aplikasi dan jaringan.
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tanpa latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan ringkasan tentang berbagai konsep penting dalam dasar-dasar cloud, big data, dan machine learning, serta peran dan cara penggunaan Google Cloud. Di akhir rangkaian kursus, peserta kursus akan mampu menjelaskan konsep-konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing Fondasi Google Cloud Computing: Infrastruktur di Google Cloud Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus terakhir dalam rangkaian ini mengulas layanan big data terkelola, machine learning dan nilainya, serta cara untuk menunjukkan keahlian Anda di Google Cloud dengan mendapatkan Badge Keahlian.
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tidak memiliki latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan gambaran umum tentang berbagai konsep penting dalam dasar-dasar cloud computing, big data, dan machine learning, serta di mana dan bagaimana Google Cloud berperan di dalamnya. Pada akhir rangkaian kursus, peserta kursus akan mampu mengartikulasikan konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus ketiga ini membahas alat otomatisasi dan pengelolaan cloud serta membangun jaringan yang aman.
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tanpa latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan ringkasan tentang berbagai konsep penting dalam dasar-dasar cloud, big data, dan machine learning, serta peran dan cara penggunaan Google Cloud. Di akhir rangkaian kursus, peserta kursus akan mampu menjelaskan konsep-konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Jaringan dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud
Kursus Fondasi Google Cloud Computing ditujukan bagi individu yang memiliki sedikit atau tidak memiliki latar belakang atau pengalaman dalam cloud computing. Kursus ini memberikan gambaran umum tentang berbagai konsep penting dalam dasar-dasar cloud computing, big data, dan machine learning, serta di mana dan bagaimana Google Cloud berperan di dalamnya. Pada akhir rangkaian kursus, peserta kursus akan mampu mengartikulasikan konsep ini dan menunjukkan beberapa keterampilan praktis. Berbagai kursus ini harus diselesaikan dalam urutan berikut: 1. Fondasi Google Cloud Computing: Dasar-Dasar Cloud Computing 2. Fondasi Google Cloud Computing: Infrastruktur di Google Cloud 3. Fondasi Google Cloud Computing: Networking dan Keamanan di Google Cloud 4. Fondasi Google Cloud Computing: Data, ML, dan AI di Google Cloud Kursus pertama ini memberikan gambaran umum tentang cloud computing, cara menggunakan Google Cloud, dan berbagai opsi komputasi.