We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Paweł Czekała
Miembro desde 2022
Liga de Bronce
1600 puntos
DEPRECATED Explore Machine Learning Models with Explainable AI
Earned mar 7, 2022 EST
Computer Vision Fundamentals with Google Cloud
Earned mar 3, 2022 EST
Sistemas de aprendizaje automático de producción
Earned mar 1, 2022 EST
Aprendizaje automático en empresas
Earned feb 28, 2022 EST
[DEPRECATED] Ingeniería de atributos
Earned feb 27, 2022 EST
Crea, entrena e implementa modelos de AA con Keras en Google Cloud
Earned feb 24, 2022 EST
Launching into Machine Learning - Español
Earned feb 22, 2022 EST
How Google Does Machine Learning - Español
Earned feb 21, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Español
Earned feb 18, 2022 EST
Implementa flujos de trabajo de DevOps en Google Cloud
Earned feb 16, 2022 EST
Measure Site Reliability using Cloud Operations Suite
Earned feb 16, 2022 EST
Supervisa y registra con Google Cloud Observability
Earned feb 15, 2022 EST
Configura un entorno de desarrollo de apps en Google Cloud
Earned feb 14, 2022 EST
Registro y supervisión en Google Cloud
Earned feb 14, 2022 EST
Infraestructura confiable de Google Cloud: El diseño y el proceso
Earned feb 12, 2022 EST
Desarrolla una cultura de SRE de Google
Earned feb 10, 2022 EST
Aspectos básicos de Google Cloud: Infraestructura principal
Earned feb 10, 2022 EST
Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.
Más información
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.
Más información
En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.
Más información
En este curso, se aplica un enfoque real en el flujo de trabajo del AA a través de un caso de éxito. Un equipo de AA trabaja con varios requisitos empresariales y casos de uso de AA. El equipo debe comprender las herramientas necesarias para la administración de los datos y considerar el mejor enfoque para su procesamiento previo.
Al equipo se le presentan tres opciones con las que puede crear modelos de AA para dos casos de uso. En el curso, se explica por qué el equipo usará AutoML, BigQuery ML o entrenamiento personalizado para lograr sus objetivos.
Más información
En este curso, se exploran los beneficios de utilizar Vertex AI Feature Store, cómo mejorar la exactitud de los modelos de AA y cómo descubrir cuáles columnas de datos producen los atributos más útiles. El curso también incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.
Más información
En este curso, se explica cómo crear modelos de AA con TensorFlow y Keras, cómo mejorar la exactitud de los modelos de AA y cómo escribir modelos de AA para uso escalado.
Más información
El curso comienza con un debate sobre los datos: cómo mejorar su calidad y cómo realizar análisis exploratorios de ellos. Describimos Vertex AI AutoML y cómo crear, entrenar e implementar un modelo de AA sin escribir una sola línea de código. Conocerás los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.
Más información
¿Cuáles son las prácticas recomendadas para implementar el aprendizaje automático en Google Cloud? ¿Qué es Vertex AI y cómo se puede utilizar la plataforma para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código? ¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar?
Google considera que el aprendizaje automático es diferente: se trata de proporcionar una plataforma unificada para conjuntos de datos administrados, un almacén de atributos, una forma de crear, entrenar e implementar modelos de aprendizaje automático sin escribir una sola línea de código, así como proporcionar la capacidad de etiquetar datos y crear notebooks de Workbench utilizando frameworks como TensorFlow, SciKit-learn, Pytorch, R y otros. Vertex AI Platform también ofrece la posibilidad de entrenar modelos personalizados, crear canalizaciones de componentes y realizar predicciones en línea y por lotes. Además, analiza…
Más información
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
Más información
Completa la insignia de habilidad intermedia del curso Implementa flujos de trabajo de DevOps en Google Cloud para demostrar tus capacidades para hacer lo siguiente: crear y administrar repositorios de Git, lanzar, administrar y escalar implementaciones en Google Kubernetes Engine (GKE), y diseñar canalizaciones de CI/CD que automatizan la creación y la implementación de imágenes de contenedor en GKE.
Más información
Earn a skill badge by completing the Measure Site Reliability using Cloud Operations Suite quest, where you will learn how to set Service Level Indicators (SLIs), Service Level Objectives (SLOs), and Service Level Agreements (SLAs); create logs-based metrics to capture to capture specific issues and address them; define alerts to notify Site Reliability Engineers of issues in production environment, and troubleshoot application issues with Cloud Trace, Debugger, Profiler, Monitoring and Logging. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
Más información
Completa la insignia de habilidad introductoria Supervisa y registra con Google Cloud Observability y demuestra tus habilidades para hacer lo siguiente: supervisar máquinas virtuales en Compute Engine; usar Cloud Monitoring para supervisar múltiples proyectos; expandir las capacidades de supervisión y registro a Cloud Functions; crear y enviar métricas de aplicaciones personalizadas, y configurar alertas de Cloud Monitoring en función de métricas personalizadas.
Más información
Para ganar una insignia de habilidad, completa el curso Configura un entorno de desarrollo de apps en Google Cloud. Allí aprenderás a crear y conectar una infraestructura de nube centrada en el almacenamiento usando las capacidades básicas de las siguientes tecnologías: Cloud Storage, Identity and Access Management, Cloud Functions y Pub/Sub.
Más información
Te damos la bienvenida al curso de dos partes sobre registro, supervisión y observabilidad en Google Cloud. Las principales herramientas de operaciones de Google Cloud se clasifican en dos categorías: componentes centrados en operaciones y herramientas de administración del rendimiento de las aplicaciones. En este curso, Registro y supervisión en Google Cloud, se ven los componentes centrados en operaciones, como Logging, Monitoring y Service Monitoring. Después de tomar este curso, se sugiere que completes la parte 2, Observabilidad en Google Cloud, para conocer las herramientas de administración del rendimiento de las aplicaciones disponibles.
Más información
En este curso, los estudiantes aprenderán a crear soluciones altamente confiables y eficientes en Google Cloud usando patrones de diseño comprobados. Es la continuación de los cursos Diseño de arquitecturas con Google Compute Engine o Diseño de arquitecturas con Google Kubernetes Engine. Se presupone que los equipos tienen experiencia práctica con las tecnologías que se abordan en cualquiera de esos cursos. A través de una serie de presentaciones, actividades de diseño y labs prácticos, los participantes aprenderán a definir y equilibrar los requisitos comerciales y técnicos para diseñar implementaciones de Google Cloud altamente confiables y disponibles, así como seguras y rentables.
Más información
En muchas organizaciones de TI, los incentivos no se alinean con los desarrolladores, que buscan agilidad, y los operadores, que se enfocan en la estabilidad. La ingeniería de confiabilidad de sitios (SRE) es el enfoque que usa Google para alinear los incentivos entre los equipos de desarrollo y operaciones, y brindar asistencia en la producción de servicios fundamentales. Adoptar las prácticas técnicas y culturales de la SRE puede ayudar a mejorar la colaboración entre las empresas y sus departamentos de TI. En este curso se presentan las prácticas clave de la SRE de Google y la función importante que tienen los líderes empresariales y de TI en el éxito de la adopción organizacional de este enfoque.
Más información
Aspectos básicos de Google Cloud: Infraestructura principal presenta conceptos y terminología importantes para trabajar con Google Cloud. Mediante videos y labs prácticos, en este curso se presentan y comparan muchos de los servicios de procesamiento y almacenamiento de Google Cloud, junto con importantes recursos y herramientas de administración de políticas.
Más información
