Selesaikan badge keahlian tingkat menengah Mengembangkan Aplikasi GenAI dengan Gemini dan Streamlit untuk menunjukkan keterampilan dalam hal berikut: membuat teks, menerapkan panggilan fungsi dengan Python SDK dan Gemini API, serta men-deploy aplikasi Streamlit dengan Cloud Run. Anda akan mempelajari berbagai cara memberikan perintah kepada Gemini untuk membuat teks, menggunakan Cloud Shell untuk menguji dan melakukan iterasi pada aplikasi Streamlit, lalu mengemasnya sebagai container Docker yang di-deploy di Cloud Run.
Selesaikan badge keahlian tingkat menengah Mempelajari AI Generatif di Agent Platform untuk menunjukkan keterampilan dalam hal berikut: pembuatan teks, analisis gambar dan video untuk peningkatan kualitas pembuatan konten, serta penerapan teknik panggilan fungsi dalam Gemini API. Temukan cara memanfaatkan teknik Gemini yang canggih, menjelajahi pembuatan konten multimodal, dan memperluas kemampuan project yang didukung AI.
Menyelesaikan badge keahlian tingkat menengah Menginspeksi Dokumen Multimedia dengan Multimodalitas Gemini dan RAG Multimodal untuk menunjukkan keterampilan dalam hal berikut ini: menggunakan prompt multimodal untuk mengekstrak informasi dari data teks dan visual dengan menghasilkan deskripsi video, dan mengambil informasi tambahan di luar video menggunakan multimodalitas dengan Gemini; membangun metadata dokumen yang berisi teks dan gambar dengan mendapatkan semua potongan teks yang relevan, dan mencetak kutipan dengan menggunakan Multimodal Retrieval Augmented Generation (RAG) dengan Gemini.
Dalam kursus ini, Anda akan mempelajari cara Gemini, kolaborator berteknologi AI generatif dari Google Cloud, membantu developer membangun aplikasi. Anda akan mempelajari cara memanfaatkan Gemini untuk menjelaskan kode, merekomendasikan layanan Google Cloud, dan membuat kode untuk aplikasi Anda. Dengan lab interaktif, Anda akan merasakan peningkatan alur kerja pengembangan aplikasi menggunakan Gemini. Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
Aplikasi AI generatif dapat mewujudkan pengalaman pengguna baru yang hampir tidak dimungkinkan sebelum ditemukannya model bahasa besar (LLM). Sebagai developer aplikasi, bagaimana cara menggunakan AI generatif untuk membangun aplikasi yang menarik dan canggih di Google Cloud? Dalam kursus ini, Anda akan mempelajari aplikasi AI generatif dan cara Anda dapat menggunakan desain perintah serta retrieval-augmented generation (RAG) untuk membangun aplikasi yang canggih menggunakan LLM. Anda akan mempelajari arsitektur siap produksi yang dapat digunakan untuk aplikasi AI generatif dan Anda akan membangun aplikasi chat LLM berbasis RAG.
Dalam kursus ini, Anda akan mempelajari bagaimana Gemini, kolaborator yang didukung AI generatif dari Google Cloud, membantu Anda menggunakan produk dan layanan Google untuk mengembangkan, menguji, men-deploy, dan mengelola aplikasi. Dengan bantuan Gemini, Anda belajar cara mengembangkan dan membangun aplikasi web, memperbaiki error dalam aplikasi, mengembangkan pengujian, dan mengkueri data. Dengan menggunakan lab interaktif, Anda akan melihat bagaimana Gemini meningkatkan siklus proses pengembangan software (SDLC). Duet AI berganti nama menjadi Gemini, yang merupakan model generasi berikutnya dari kami.
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.
Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan responsible AI, alasan pentingnya responsible AI, dan cara Google mengimplementasikan responsible AI dalam produknya. Kursus ini juga memperkenalkan 7 prinsip AI Google.
Selesaikan badge keahlian pengantar Desain Perintah dalam Agent Platform untuk menunjukkan keterampilan Anda dalam hal berikut: rekayasa perintah, analisis gambar, dan teknik generatif multimodal, dalam Agent Platform. Pelajari cara membuat perintah yang efektif, memandu output AI generatif, dan menerapkan model Gemini dalam skenario pemasaran di dunia nyata.
Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.
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.
Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga membahas beberapa Alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk Dasbor dan Laporan Looker untuk menunjukkan keterampilan dalam hal berikut: memfilter, mengurutkan, dan melakukan pivot pada data; menggabungkan hasil dari sejumlah Eksplorasi Looker; serta menggunakan fungsi dan operator untuk membangun dasbor dan laporan Looker untuk analisis dan visualisasi data.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
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.
Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.
Selesaikan badge keahlian pengantar Mendapatkan Insight dari Data BigQuery untuk menunjukkan keterampilan dalam hal berikut: menulis kueri SQL, membuat kueri tabel publik, memuat sampel data ke dalam BigQuery, memecahkan masalah error sintaksis umum dengan validator kueri di BigQuery, dan membuat laporan di Data Studio dengan menghubungkannya ke data BigQuery.
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.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk Dasbor dan Laporan Looker untuk menunjukkan keterampilan dalam hal berikut: memfilter, mengurutkan, dan melakukan pivot pada data; menggabungkan hasil dari sejumlah Eksplorasi Looker; serta menggunakan fungsi dan operator untuk membangun dasbor dan laporan Looker untuk analisis dan visualisasi data.