Smit Shah
Participante desde 2019
Liga Diamante
16200 pontos
Participante desde 2019
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
Conclua o treinamento e receba o selo de habilidade introdutório de "Criação de aplicativos de IA no mundo real com o Gemini e o Imagen". Com ele, você vai ser capaz de demonstrar as seguintes competências: reconhecimento de imagens, processamento de linguagem natural, geração de imagens usando os modelos avançados do Gemini e Imagen do Google e implantação de aplicativos na plataforma Vertex AI.
Este curso ajuda a criar um plano de estudo para o exame de certificação Professional Machine Learning Engineer (PMLE). É possível conferir a amplitude e o escopo dos domínios abordados no exame. Os estudantes também podem acompanhar os preparativos para o exame e criar planos de estudo individuais.
Conclua o curso introdutório Criação de comandos na Vertex AI para: Demonstrar suas habilidades nas áreas de engenharia de comandos, análise de imagens e técnicas generativas multimodais na Vertex AI Descobrir como criar comandos eficientes, guiar as respostas da IA generativa e aplicar os modelos do Gemini em cenários reais de marketing.
Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.
Conquiste um selo de habilidade ao concluir o curso Como criar uma rede segura do Google Cloud, que apresenta vários recursos relacionados a redes para criar, escalonar e proteger seus aplicativos no Google Cloud.
Earn a skill badge by completing the Build Interactive Apps with Google Assistant quest, where you will learn how to build Google Assistant applications, including how to: create an Actions project, integrate Dialogflow with an Actions project, test your application with Actions simulator, build an Assistant application with flash cards template, integrate customer MP3 files with your Assistant application, add Cloud Translation API to your Assistant application, and use APIs and integrate them into your applications. 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 the skill badge quest, and final assessment challenge lab, to receive a digital badge that you can share with your network.
Conclua o selo de habilidade intermediário Implantar aplicativos do Kubernetes no Google Cloud para demonstrar que você é capaz de: configurar e criar imagens de contêiner do Docker, criar e gerenciar clusters do Google Kubernetes Engine (GKE), utilizar o kubectl para o gerenciamento eficiente de clusters e implantar aplicativos do Kubernetes com a prática de entrega contínua (CD).
Ganhe um selo de habilidade ao concluir o curso Arquitetura de nuvem: como criar, implantar e gerenciar e mostre que você sabe: implantar um site publicamente acessível usando servidores da Web Apache, configurar uma VM no Compute Engine usando scripts de inicialização, configurar um RDP seguro usando um Bastion Host Windows e regras de firewall, criar e implantar uma imagem Docker em um cluster do Kubernetes e atualizá-lo, além de criar uma instância do CloudSQL e importar um banco de dados do MySQL. Este selo de habilidade é um ótimo recurso para entender tópicos que vão aparecer no exame de certificação Professional Cloud Architect com Certificação em Google Cloud.
Conquiste o selo de habilidade introdutório Como monitorar e registrar com o Google Cloud Observability para mostrar que você sabe: monitorar máquinas virtuais no Compute Engine, usar o Cloud Monitoring para supervisionar vários projetos, ampliar as capacidades de monitoramento e geração de registros para o Cloud Functions, criar e enviar métricas personalizadas do aplicativo e configurar os alertas do Cloud Monitoring de acordo com as métricas personalizadas.
Conclua o selo de habilidade intermediário Implementar fluxos de trabalho de DevOps no Google Cloud para mostrar que você sabe: criar repositórios Git com o Cloud Source Repositories; lançar, gerenciar e escalonar implantações no Google Kubernetes Engine (GKE); e arquitetar pipelines de CI/CD que automatizam criações e implantações de imagens de contêiner no GKE.
Conclua o curso intermediário Desenvolvimento de apps sem servidor com o Firebase para demonstrar suas habilidades nestas áreas: arquitetura e criação de aplicativos da Web sem servidor com o Firebase, utilizar o Firestore no gerenciamento de bancos de dados, automatizar os processos de implantação com o Cloud Build e integrar a funcionalidade do Google Assistente aos seus aplicativos.
Ganhe o selo de habilidade introdutório ao concluir o curso Criar um site no Google Cloud. Este curso é baseado na série Get Cooking in Cloud e aborda os seguintes tópicos:Implantação de um site no Cloud RunHospedagem de um app da web no Compute EngineCriação, implantação e escalonamento do seu site no Google Kubernetes EngineMigração de um aplicativo monolítico para uma arquitetura de microsserviços usando o Cloud Build
Get started with Go (Golang) by reviewing Go code, and then creating and deploying simple Go apps on Google Cloud. Go is an open source programming language that makes it easy to build fast, reliable, and efficient software at scale. Go runs native on Google Cloud, and is fully supported on Google Kubernetes Engine, Compute Engine, App Engine, Cloud Run, and Cloud Functions. Go is a compiled language and is faster and more efficient than interpreted languages. As a result, Go requires no installed runtime like Node, Python, or JDK to execute.
Conquiste um selo de habilidade ao concluir o curso Como configurar um ambiente de desenvolvimento de apps no Google Cloud. Nele, você aprende a criar e conectar uma infraestrutura em nuvem focada em armazenamento usando recursos básicos das seguintes tecnologias: Cloud Storage, Identity and Access Management, Cloud Functions e Pub/Sub.
Conclua o curso intermediário para obter o selo de habilidade Como implementar as noções básicas de segurança da nuvem no Google Cloud para mostrar que você sabe: criar e atribuir papéis com o Identity and Access Management (IAM); criar e gerenciar contas de serviço; ativar a conectividade particular entre redes de nuvem privada virtual (VPC); restringir o acesso ao aplicativo usando o Identity-Aware Proxy; gerenciar chaves e dados criptografados usando o Cloud Key Management Service (KMS) e criar um cluster particular do Kubernetes.
Conclua o selo de habilidade introdutório Implementação do Cloud Load Balancing no Compute Engine para demonstrar que você sabe: criar e implantar máquinas virtuais no Compute Engine; configurar balanceadores de carga de rede e de aplicativo.
Serverless architectures allow you to build and run applications and services without needing to provision, manage, and scale infrastructure. This quest will show how to design, build, and deploy interactive serverless web applications, using a simple HTML/JavaScript web interface which uses Amazon API Gateway calls to send requests to AWS Lambda backends that query Amazon DynamoDB data.
Achieving AWS Certification requires hands-on experience. This quest helps you get hands-on practice with several key services as you prepare for the AWS Certified Solutions Architect – Professional Exam. Visit AWS Certification to learn more about this exam and find more resources to prepare.
Achieving AWS Certification requires hands-on experience. This quest helps you get hands-on practice with several key services as you prepare for the AWS Certified Solutions Architect – Associate Exam. Visit AWS Certification to learn more about this exam and find more resources to prepare.
Conclua o selo de habilidade introdutório Gerar insights a partir de dados do BigQuery para mostrar que você sabe gravar consultas SQL, consultar tabelas públicas e carregar dados de amostra no BigQuery, solucionar erros comuns de sintaxe com o validador de consultas no BigQuery e criar relatórios no Looker Studio fazendo a conexão com dados do BigQuery.
Data Catalog é um serviço de gerenciamento de metadados totalmente gerenciado e escalonável. Com ele, as organizações descobrem, compreendem e gerenciam rapidamente todos os dados. Nesta Quest, vamos começar com algo simples - você aprenderá como pesquisar e adicionar tags a recursos de dados e metadados usando o Data Catalog. Depois que você aprender a desenvolver seus próprios modelos de tags correlacionados a dados da tabela do BigQuery, mostraremos como criar conectores do MySQL, PostgreSQL e SQLServer para o Data Catalog.
In this quest, you will learn about Google Cloud’s IoT Core service and its integration with other services like GCS, Dataprep, Stackdriver and Firestore. The labs in this quest use simulator code to mimic IOT devices and the learning here should empower you to implement the same streaming pipeline with real world IoT devices.
Conclua o selo de habilidade intermediário Dados de engenharia para modelagem preditiva com o BigQuery ML para mostrar que você sabe: criar pipelines de transformação de dados no BigQuery usando o Dataprep by Trifacta; usar o Cloud Storage, o Dataflow e o BigQuery para criar fluxos de trabalho de extração, transformação e carregamento de dados (ELT); e criar modelos de machine learning usando o BigQuery ML.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
Conquiste o selo de habilidade introdutório Preparar dados para APIs de ML no Google Cloud para demonstrar que você é capaz de: limpar dados com o Dataprep by Trifacta, executar pipelines de dados no Dataflow, criar clusters e executar jobs do Apache Spark no Dataproc e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.
In this quest, you’ll learn to work with services related to Deployment and Management, including AWS Identity and Access Management (IAM), AWS Elastic Beanstalk, AWS CloudFormation, and AWS OpsWorks.
In this Quest, you will learn how to write functions with the AWS Lambda Service that respond to events and integrate other AWS Services. You will create applications that write records to Amazon DynamoDB, send messages with Amazon SNS, and monitor events in Amazon CloudWatch and external services. You will even write a back-end function in Lambda for creating a voice-response app for Alexa and the Amazon Echo.
Big data, machine learning e dados científicos? Parece uma combinação perfeita. Nesta Quest de nível avançado, você terá experiência prática nos serviços do GCP, como o Big Query, o Dataproc e o Tensorflow, usando conjuntos de dados científicos reais. Em Scientific Data Processing, você ganhará experiência em tarefas como análise de dados de terremotos e agregação de imagens de satélites. Assim, você expandirá as habilidades em big data e machine learning e poderá solucionar seus problemas em diversas disciplinas científicas.
Não é novidade que o machine learning é um dos campos que mais cresce na área de tecnologia, e o Google Cloud Platform tem sido fundamental para esse desenvolvimento. Com diversas APIs, o GCP tem uma ferramenta para praticamente todos os jobs de machine learning. Neste curso introdutório, você vai praticar a aplicação do machine learning ao processamento de linguagem em laboratórios que permitem extrair entidades de textos e realizar análises sintáticas e de sentimento, além de usar a API Speech-to-Text para transcrição.
This quest is designed to teach you how to apply AWS Identity and Access Management, in concert with several other AWS Services, to address real-world application and service security management scenarios.
Quer criar modelos de ML em minutos em vez de horas usando apenas SQL? O BigQuery ML democratiza o machine learning ao permitir que analistas de dados criem, treinem, avaliem e façam previsões usando habilidades e ferramentas de SQL que eles já têm. Nesta série de laboratórios, você vai fazer alguns testes e saber quais são as características de um bom modelo.
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Quer criar ou otimizar um armazenamento de dados? Aprenda práticas recomendadas para extrair, transformar e carregar dados no Google Cloud com o BigQuery. Nesta série de laboratórios interativos, você vai criar e otimizar seu próprio armazenamento usando diversos conjuntos de dados públicos de grande escala do BigQuery. O BigQuery é um banco de dados de análise NoOps, totalmente gerenciado e de baixo custo desenvolvido pelo Google. Com ele, você pode consultar muitos terabytes de dados sem ter que gerenciar uma infraestrutura ou precisar de um administrador de banco de dados. O BigQuery usa SQL e está disponível no modelo de pagamento por utilização. Com ele, você se concentra na análise dos dados para encontrar insights relevantes.
Usar a capacidade de computação em grande escala para reconhecer padrões e "ler" imagens é uma das tecnologias fundamentais de IA, desde carros com condução automática até reconhecimento facial. O Google Cloud Platform oferece velocidade e precisão de nível internacional, com sistemas que podem ser usados ao chamar APIs. Com eles e várias outras APIs, o GCP tem praticamente uma ferramenta para cada job de machine learning. Neste curso introdutório, você vai praticar a aplicação do machine learning em processamento de imagens com laboratórios que permitem rotular imagens, detectar rostos e pontos de referência, extrair, analisar e traduzir texto de imagens.