We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
The Google Skills platform will be unavailable for approximately 20 minutes on Sunday, November 8, starting at 7:00 PM EST (12:00 AM UTC, Nov 9). If you have any questions, please contact support-skills@google.com
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
Los cursos de Google Cloud Computing Foundations están destinados a personas que tienen un poco o nada de noción previa o experiencia sobre computación en la nube. Brindan una descripción general de los conceptos centrales básicos de la nube, los macrodatos y el aprendizaje automático, y explican dónde y cómo resulta adecuado utilizar Google Cloud.
Cuando finalicen la serie de cursos, los alumnos podrán hablar con claridad sobre estos conceptos y demostrar sus habilidades prácticas.
Los cursos deben completarse en el siguiente orden:
1. Aspectos básicos de la computación en Google Cloud: Fundamentos de la computación en la nube
2. Aspectos básicos de la computación en Google Cloud: Infraestructura en Google Cloud
3. Aspectos básicos de la computación en Google Cloud: Redes y seguridad en Google Cloud
4. Aspectos básicos de la computación en Google Cloud: Datos, IA y AA en Google Cloud
Este primer curso brinda una descripción general de la computación en la nube, formas de usar Googl…
Más información
Sistemas de aprendizaje automático de producción
Earned dic 6, 2022 EST
Aprendizaje automático en empresas
Earned dic 6, 2022 EST
[DEPRECATED] Ingeniería de atributos
Earned dic 5, 2022 EST
Crea, entrena e implementa modelos de AA con Keras en Google Cloud
Earned dic 3, 2022 EST
Launching into Machine Learning - Español
Earned dic 3, 2022 EST
How Google Does Machine Learning - Español
Earned dic 1, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - Español
Earned nov 30, 2022 EST
Aspectos básicos de la computación en Google Cloud: Fundamentos de la computación en la nube
Earned nov 27, 2022 EST