Participante desde 2025
Introdução à geração de imagens
Earned Jul 27, 2025 EDT
Gerar insights a partir de dados do BigQuery
Earned Jul 26, 2025 EDT
IA generativa para saúde
Earned Jul 21, 2025 EDT
Cloud Healthcare API
Earned Jul 21, 2025 EDT
Neste curso, apresentamos os modelos de difusão, uma família de modelos de machine learning promissora no campo da geração de imagens. Os modelos de difusão são baseados na física, mais especificamente na termodinâmica. Nos últimos anos, eles se popularizaram no setor e nas pesquisas. Esses modelos servem de base para ferramentas e modelos avançados de geração de imagem no Google Cloud. Este curso é uma introdução à teoria dos modelos de difusão e como eles devem ser treinados e implantados na Vertex AI.
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 Data Studio fazendo a conexão com dados do BigQuery.
Criado especificamente para profissionais de saúde, este curso desmistifica a IA generativa, o mais recente avanço em inteligência artificial, e os grandes modelos de linguagem (LLMs, na sigla em inglês) que a impulsionam. Descubra aplicações reais da IA generativa em ambientes de saúde e domine a arte de criar comandos eficazes adaptados aos seus objetivos.
Cloud Healthcare API bridges the gap between care systems and applications built on Google Cloud. By supporting standards-based data formats and protocols of existing healthcare technologies, Cloud Healthcare API connects your data to advanced Google Cloud capabilities, including streaming data processing with Cloud Dataflow, scalable analytics with BigQuery, and machine learning with Cloud Machine Learning Engine. In this Quest you will use the Cloud Healthcare API to ingest and process data in the industry standard FHIR, HL7v2 and DICOM formats, train a TensorFlow model for prediction with FHIR data, and also gain practice with de-identification of datasets.