En este curso, se revisan las funciones de seguridad esenciales de Model Armor y se te prepara para trabajar con el servicio. Aprenderás sobre los riesgos de seguridad asociados a los LLM y cómo Model Armor protege tus aplicaciones de IA.
La Inteligencia Artificial (IA) ofrece posibilidades transformadoras, aunque también presenta nuevos desafíos de seguridad. En este curso, los líderes de seguridad y protección de datos aprenderán las estrategias para administrar de forma segura la IA en sus organizaciones. Descubre un framework para identificar y mitigar proactivamente riesgos específicos de la IA, proteger datos sensibles, garantizar el cumplimiento y crear una Infraestructura de IA resiliente. Elige casos de uso de cuatro sectores diferentes para explorar cómo se aplican estas estrategias a situaciones del mundo real.
En este curso, se presentan temas importantes relacionados con la privacidad y seguridad de la IA. Se exploran herramientas y métodos prácticos para implementar prácticas recomendadas de privacidad y seguridad de la IA a través del uso de productos de Google Cloud y herramientas de código abierto.
En este curso, se presentan los conceptos de la IA responsable y los principios de la IA. Se abordan técnicas para identificar de forma práctica la equidad y los sesgos, y mitigar los sesgos en las prácticas de IA/AA. Se exploran métodos y herramientas funcionales para implementar prácticas recomendadas de la IA responsable con productos de Google Cloud y herramientas de código abierto.
En este curso, se presentan los conceptos de interpretabilidad y transparencia de la IA, así como se menciona la importancia de la transparencia de la IA para los ingenieros y desarrolladores. Se exploran métodos y herramientas funcionales para ayudar a lograr la interpretabilidad y transparencia en los modelos de IA y datos.
En Google Cloud, crear una aplicación suele implicar mucho más que solo el código. Deberás implementarla, conectar servicios y asegurar su correcto funcionamiento. En este recorrido, alojarás una aplicación web, configurarás una canalización de implementación y crearás una API REST con Cloud Run. También probarás Flutter y configurarás un entorno de desarrollo de Python. Trabajarás con redes VPC, balanceo de carga y liberarás recursos no utilizados. Se trata de un conjunto práctico de tareas que refleja cómo se ejecutan las aplicaciones en Google Cloud.
En este curso, los profesionales del aprendizaje automático aprenderán a utilizar las herramientas, las técnicas y las prácticas recomendadas indispensables para evaluar los modelos de IA generativa y predictiva. La evaluación de modelos es una disciplina esencial para garantizar que los sistemas de AA arrojen resultados confiables, exactos y de alto rendimiento en la producción. Los participantes obtendrán información exhaustiva sobre diversas métricas y metodologías de evaluación, además de su aplicación adecuada en diferentes tipos de modelos y tareas. En este curso, se hará énfasis en los desafíos únicos que presentan los modelos de IA generativa y se ofrecerán estrategias para abordarlos de manera eficaz. Con la plataforma de Vertex AI de Google Cloud, los participantes aprenderán a implementar los procesos sólidos de evaluación para la selección, optimización y supervisión continua de modelos.
El objetivo de este curso es equiparte con los conocimientos y las herramientas que necesitas para descubrir los desafíos únicos que enfrentan los equipos de MLOps cuando implementan y administran modelos de IA generativa, y explorar cómo Vertex AI fortalece a los equipos de IA para optimizar los procesos de MLOps y alcanzar el éxito en los proyectos de IA generativa.
El 78 % (casi 8 de cada 10) de los líderes empresariales afirman que Google Cloud les ayuda a mantenerse a la vanguardia en la era de la IA. Gran parte de esto se debe a cómo los equipos crean y conectan sistemas inteligentes. Aquí, creará y administrará agentes conversacionales, y utilizará API de conversión de voz a texto y traducción para gestionar diferentes tipos de entrada. También migrará de aplicaciones monolíticas a microservicios en GKE, conectará flujos de trabajo mediante webhooks y utilizará herramientas de observabilidad para supervisar lo que sucede. La gestión de identidades y accesos (IAM) también se utiliza para administrar el acceso cuando sea necesario. Se trata de una visión práctica de cómo se utilizan estos componentes en entornos reales.
Gran parte del trabajo en la nube se reduce a mover datos, administrar el acceso y comprender lo que sucede internamente. En esta ruta, migrarás una base de datos MySQL a Google Cloud, trabajarás con permisos de IAM usando gcloud y analizarás el tráfico de red con VPC Flow Logs. También almacenarás y administrarás archivos multimedia, prepararás datos con Dataprep y crearás informes usando Looker Studio y LookML. Incluso hay un laboratorio para medir la precisión de la conversión de voz a texto. Es una combinación de tareas que muestra cómo se manejan, monitorean y utilizan los datos en diferentes partes de Google Cloud.
Google Kubernetes Engine (GKE) se centra en ejecutar y gestionar aplicaciones en contenedores sin preocuparse demasiado por la configuración subyacente. En esta aventura, aprenderás de primera mano cómo funciona todo: gestionar cargas de trabajo, depurar problemas y probar el escalado automático. También explorarás Autopilot, realizarás pruebas de carga y trabajarás con clústeres privados y acceso a la red. Al finalizar, comprenderás mejor cómo se configuran y gestionan las configuraciones de GKE en la práctica.