Dołącz Zaloguj się

Wykorzystuj swoje umiejętności w konsoli Google Cloud

Bharathi Krishnan

Jest członkiem od 2024

Liga złota

12350 pkt.
[DEPRECATED]-Google Cloud Computing Foundations: Cloud Computing Fundamentals - Polski Earned mar 7, 2025 EST
Machine Learning Operations (MLOps) for Generative AI Earned lis 5, 2024 EST
Create Image Captioning Models Earned lis 5, 2024 EST
Transformer Models and BERT Model Earned lis 5, 2024 EST
Encoder-Decoder Architecture Earned lis 5, 2024 EST
Attention Mechanism Earned lis 5, 2024 EST
Introduction to Image Generation Earned lis 5, 2024 EST
Introduction to Generative AI - Polski Earned lis 5, 2024 EST
Introduction to Large Language Models - Polski Earned lis 5, 2024 EST
Responsible AI: Applying AI Principles with Google Cloud - Polski Earned lis 4, 2024 EST
Introduction to Responsible AI - Polski Earned lis 4, 2024 EST

Szkolenie Podstawy przetwarzania danych w Google Cloud pozwoli osobom z niewielkim lub zerowym doświadczeniem z zakresu przetwarzania danych w chmurze szczegółowo zapoznać się z najważniejszymi pojęciami z zakresu podstaw chmury, big data i systemów uczących się. Zawiera także informacje o tym, gdzie i jak można wykorzystać Google Cloud. Po zakończeniu szkolenia uczestnicy będą potrafili wyjaśnić pojęcia dotyczące przetwarzania danych w chmurze, big data i systemów uczących się oraz zademonstrować wybrane umiejętności praktyczne. TTo szkolenie należy do serii szkoleń o nazwie Google Cloud Computing Foundations (Podstawy usług w chmurze Google). Szkolenia należy ukończyć w następującej kolejności: Google Cloud Computing Foundations: Cloud Computing Fundamentals - Locales Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales Google Cloud Computing Foundatio…

Więcej informacji

This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Vertex AI empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.

Więcej informacji

This course teaches you how to create an image captioning model by using deep learning. You learn about the different components of an image captioning model, such as the encoder and decoder, and how to train and evaluate your model. By the end of this course, you will be able to create your own image captioning models and use them to generate captions for images

Więcej informacji

This course introduces you to the Transformer architecture and the Bidirectional Encoder Representations from Transformers (BERT) model. You learn about the main components of the Transformer architecture, such as the self-attention mechanism, and how it is used to build the BERT model. You also learn about the different tasks that BERT can be used for, such as text classification, question answering, and natural language inference.This course is estimated to take approximately 45 minutes to complete.

Więcej informacji

This course gives you a synopsis of the encoder-decoder architecture, which is a powerful and prevalent machine learning architecture for sequence-to-sequence tasks such as machine translation, text summarization, and question answering. You learn about the main components of the encoder-decoder architecture and how to train and serve these models. In the corresponding lab walkthrough, you’ll code in TensorFlow a simple implementation of the encoder-decoder architecture for poetry generation from the beginning.

Więcej informacji

This course will introduce you to the attention mechanism, a powerful technique that allows neural networks to focus on specific parts of an input sequence. You will learn how attention works, and how it can be used to improve the performance of a variety of machine learning tasks, including machine translation, text summarization, and question answering. This course is estimated to take approximately 45 minutes to complete.

Więcej informacji

This course introduces diffusion models, a family of machine learning models that recently showed promise in the image generation space. Diffusion models draw inspiration from physics, specifically thermodynamics. Within the last few years, diffusion models became popular in both research and industry. Diffusion models underpin many state-of-the-art image generation models and tools on Google Cloud. This course introduces you to the theory behind diffusion models and how to train and deploy them on Vertex AI.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.

Więcej informacji

Im szerzej wykorzystuje się w firmach sztuczną inteligencję i systemy uczące się, tym większej wagi nabiera odpowiedzialne podejście do opracowywania tych technologii. Wielu organizacjom trudniej jest jednak wprowadzić zasady odpowiedzialnej AI w praktyce niż tylko o tym rozmawiać. To szkolenie jest przeznaczone dla osób, które chcą się dowiedzieć, jak wdrożyć odpowiedzialną AI w swojej organizacji. W jego trakcie dowiesz się, jak robimy to w Google Cloud, oraz poznasz sprawdzone metody i wnioski z naszych działań w tym zakresie. Pomoże Ci to opracować własne podejście do odpowiedzialnej AI.

Więcej informacji

Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.

Więcej informacji