Erik Grip
Participante desde 2022
IA responsável para desenvolvedores: privacidade e segurança
Earned Nov 29, 2024 EST
IA responsável para desenvolvedores: interpretabilidade e transparência
Earned Nov 24, 2024 EST
IA responsável para desenvolvedores: imparcialidade e viés
Earned Nov 9, 2024 EST
Como criar apps de IA generativa no Google Cloud
Earned Nov 9, 2024 EST
Operações de machine learning (MLOps) com a Vertex AI: avaliação de modelo
Earned Oct 28, 2024 EDT
Operações de Machine Learning (MLOps) para IA Generativa
Earned Oct 27, 2024 EDT
Dados de engenharia para modelagem preditiva com o BigQuery ML
Earned Oct 27, 2024 EDT
Introdução aos modelos de linguagem grandes
Earned Oct 26, 2024 EDT
Introdução à IA generativa
Earned Oct 26, 2024 EDT
Criar modelos de ML com o BigQuery ML
Earned Oct 26, 2024 EDT
Trabalhar com Notebooks na Vertex AI
Earned Oct 18, 2024 EDT
Criação de guia de estudo para certificação: PMLE (preparação para o exame)
Earned Oct 18, 2024 EDT
ML Pipelines on Google Cloud - Português Brasileiro
Earned Oct 18, 2024 EDT
Operações de machine learning (MLOps) com a Vertex AI: como gerenciar atributos
Earned Jun 23, 2024 EDT
Como criar e implantar soluções de machine learning na Vertex AI
Earned Jun 22, 2024 EDT
Preparar dados para APIs de ML no Google Cloud
Earned Jun 16, 2024 EDT
Introdução à IA e ao machine learning no Google Cloud
Earned May 26, 2024 EDT
Operações de machine learning (MLOps): introdução
Earned Apr 1, 2024 EDT
Recommendation Systems on Google Cloud
Earned Mar 30, 2024 EDT
Natural Language Processing on Google Cloud
Earned Mar 8, 2024 EST
Computer Vision Fundamentals with Google Cloud
Earned Jan 31, 2024 EST
Criação de sistemas de machine learning de produção
Earned Nov 6, 2023 EST
Machine learning nas empresas
Earned Aug 21, 2023 EDT
[DEPRECATED] Engenharia de atributos
Earned May 24, 2023 EDT
Como criar, treinar e implantar modelos de ML com o Keras no Google Cloud
Earned Mar 24, 2023 EDT
Launching into Machine Learning - Português Brasileiro
Earned Feb 7, 2023 EST
How Google Does Machine Learning - Português Brasileiro
Earned Jan 13, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - Português Brasileiro
Earned Dec 16, 2022 EST
Implementação do Cloud Load Balancing no Compute Engine
Earned Nov 23, 2022 EST
Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem
Earned Nov 18, 2022 EST
Este curso apresenta tópicos importantes sobre privacidade e segurança da IA. Ele também aborda recursos e métodos úteis para implementar práticas recomendadas de privacidade e segurança da IA com o uso de produtos do Google Cloud e ferramentas de código aberto.
Saiba mais
Neste curso, apresentamos os conceitos de interpretabilidade e transparência em IA. Vamos abordar a importância da transparência em IA para desenvolvedores e engenheiros. O curso também abrange ferramentas e métodos práticos para ajudar a alcançar a interpretabilidade e a transparência em dados e modelos de IA.
Saiba mais
Neste curso, apresentamos conceitos de IA responsável e princípios de IA. Ele contém técnicas para identificar e reduzir o viés e aplicar a imparcialidade nas práticas de ML/IA. Vamos abordar ferramentas e métodos práticos para implementar as práticas recomendadas de IA responsável usando produtos do Google Cloud e ferramentas de código aberto.
Saiba mais
Os aplicativos de IA generativa proporcionam novas experiências de usuário que eram quase impossíveis antes da invenção dos modelos de linguagem grandes (LLMs). Ao desenvolver aplicativos, como você pode usar a IA generativa para criar apps potentes e interativos no Google Cloud?
Neste curso, você vai conhecer os aplicativos de IA generativa e aprender a usar o design de comandos e a geração aumentada de recuperação (RAG) para criar apps avançados com a ajuda dos LLMs. Você também vai saber o que é a arquitetura pronta para produção, usada nos aplicativos de IA generativa, e vai criar um aplicativo de chat com base em RAG e LLM.
Saiba mais
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção.
Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
Saiba mais
O objetivo desse curso é equipar você com o conhecimento e as ferramentas necessários para resolver os desafios enfrentados por equipes de MLOps durante o desenvolvimento e gerenciamento de modelos de IA generativa. Também queremos mostrar como a Vertex AI ajuda equipes de IA a simplificar processos de MLOps e a alcançar o sucesso em projetos de IA generativa.
Saiba mais
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.
Saiba mais
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.
Saiba mais
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.
Saiba mais
Conclua o selo de habilidade intermediário Criar modelos de ML com o BigQuery ML para mostrar que você sabe: criar e avaliar modelos de machine learning usando o BigQuery ML para fazer previsões de dados.
Saiba mais
Este curso é uma introdução aos Notebooks da Vertex AI, que são ambientes baseados em notebooks do Jupyter. Eles fornecem uma plataforma unificada para todo o fluxo de trabalho de machine learning, desde a preparação de dados até a implantação e monitoramento de modelos. Tópicos do curso: (1) Diferentes tipos de Notebooks da Vertex AI e os recursos deles e (2) Como criar e gerenciar Notebooks da Vertex AI.
Saiba mais
Saiba como usar o Gemini Notebook para criar um guia de estudo personalizado para o exame de certificação Professional Machine Learning Engineer (PMLE). Você vai analisar os recursos do Gemini Notebook, criar um notebook e usar o guia de estudo para se preparar para um exame de certificação.
Saiba mais
Neste curso, você vai aprender com engenheiros e instrutores de ML que trabalham com o desenvolvimento de última geração dos pipelines de ML aqui no Google Cloud. Nos primeiros módulos, vamos abordar o TensorFlow Extended (ou TFX), que é uma plataforma de machine learning do Google baseada no TensorFlow criada para gerenciar pipelines e metadados de ML. Você vai conhecer os componentes e a orquestração de um pipeline com o TFX. Também vamos abordar como é possível automatizar os pipelines usando a integração e a implantação contínuas e como gerenciar os metadados de ML. Depois disso, vamos mudar o foco para discutir como podemos automatizar e reutilizar os pipelines de ML em vários frameworks de machine learning, como tensorflow, pytorch, scikit-learn e xgboost. Você também vai aprender a usar outra ferramenta no Google Cloud, o Cloud Composer, para orquestrar seus pipelines de treinamento contínuo. Por fim, vamos mostrar como usar o MLflow para gerenciar o ciclo de vida completo do ma…
Saiba mais
Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, teste, monitoramento e automação de sistemas de ML em produção.
Também incluímos experiências práticas de uso da ingestão de streaming do Vertex AI Feature Store na camada do SDK.
Saiba mais
Conquiste o selo de habilidade intermediário ao concluir o curso Como criar e implantar soluções de machine learning na Vertex AI. Nele você aprenderá a usar a plataforma Vertex AI, o AutoML e os serviços de treinamento personalizados para treinar, avaliar, ajustar, explicar e implantar modelos de machine learning. Esse curso com selo de habilidade é destinado a cientistas de dados e engenheiros de machine learning. Os selos de habilidade são digitais e exclusivos. Eles são emitidos pelo Google Cloud como forma de reconhecer sua proficiência com os produtos e serviços do Cloud e comprovam sua habilidade de aplicar seu conhecimento em um ambiente prático e interativo. Conclua o curso com selo de habilidade e o laboratório com desafio da avaliação final para receber um selo digital que pode ser compartilhado com sua rede.
Saiba mais
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 Managed Service for Apache Spark e chamar APIs de ML, incluindo as APIs Cloud Natural Language, Google Cloud Speech-to-Text e Video Intelligence.
Saiba mais
Neste curso, apresentamos os recursos de IA e machine learning (ML) do Google Cloud, com foco no desenvolvimento de projetos de IA generativa e preditiva. Vamos conhecer as tecnologias, os produtos e as ferramentas disponíveis em todo o ciclo de vida de dados para IA, capacitando cientistas de dados, desenvolvedores de IA e engenheiros de ML para aprimorar a experiência com exercícios interativos.
Saiba mais
Neste curso, os participantes vão conhecer as ferramentas de MLOps e as práticas recomendadas para a implantação, a avaliação, o monitoramento e a operação de sistemas de ML de produção no Google Cloud. MLOps é uma disciplina com foco na implantação, no teste, no monitoramento e na automação de sistemas de ML em produção. Profissionais de engenharia de machine learning usam ferramentas para fazer melhorias contínuas e avaliações de modelos implantados. São profissionais que trabalham com ciências de dados e desenvolvem modelos para garantir a velocidade e o rigor na implantação de modelos com melhor desempenho.
Saiba mais
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
Saiba mais
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Saiba mais
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
Saiba mais
Neste curso, vamos conhecer os componentes e as práticas recomendadas para criar sistemas de ML com alto desempenho em ambientes de produção. Vamos abordar algumas considerações comuns relacionadas à criação desses sistemas, como treinamento estático e dinâmico, inferência estática e dinâmica, TensorFlow distribuído e TPUs. O objetivo deste curso é conhecer as características de um sistema de ML eficiente, que vão muito além da capacidade de fazer boas previsões.
Saiba mais
Este curso tem uma abordagem realista para o fluxo de trabalho de ML usando um estudo de caso em que uma equipe tem vários casos de uso e exigências comerciais em ML. Essa equipe precisa conhecer as ferramentas necessárias para a governança e o gerenciamento de dados e decidir a melhor abordagem para o processamento deles.
A equipe terá três opções para criar modelos de ML em dois casos de uso. Neste curso, explicamos quando usar o AutoML, o BigQuery ML ou o treinamento personalizado para alcançar os objetivos.
Saiba mais
O curso apresenta os benefícios de usar a Vertex AI Feature Store e ensina a melhorar a acurácia dos modelos de ML e a identificar as colunas de dados que apresentam os atributos mais úteis. Ele também oferece conteúdo teórico e laboratórios sobre engenharia de atributos com BigQuery ML, Keras e TensorFlow.
Saiba mais
Este curso ensina a criar modelos de ML com o TensorFlow e o Keras, melhorar a acurácia deles e desenvolver modelos para uso em escala.
Saiba mais
O curso começa com a seguinte discussão: como melhorar a qualidade dos dados e fazer uma análise exploratória deles? Descrevemos o AutoML na Vertex AI e como criar, treinar e implantar um modelo de ML sem escrever nenhuma linha de código. Você vai conhecer os benefícios do BigQuery ML. Depois vamos falar sobre como otimizar um modelo de machine learning (ML) e como a generalização e a amostragem podem ajudar na avaliação de qualidade dos modelos de ML em treinamentos personalizados.
Saiba mais
Quais são as práticas recomendadas para implementar machine learning no Google Cloud? O que é Vertex AI e como é possível usar a plataforma para criar, treinar e implantar modelos de machine learning do AutoML com rapidez e sem escrever nenhuma linha de código? O que é machine learning e que tipos de problema ele pode resolver?
O Google pensa em machine learning de uma forma um pouco diferente. Para nós, o processo de ML é sobre fornecer uma plataforma unificada para conjuntos de dados gerenciados, como uma Feature Store, uma forma de criar, treinar e implantar modelos de machine learning sem escrever nenhuma linha de código. Além disso, o ML também é sobre a habilidade de rotular dados, criar notebooks do Workbench usando frameworks (como TensorFlow, SciKit Learn, Pytorch e R) e muito mais. A plataforma Vertex AI também inclui a possibilidade de treinar modelos personalizados, criar pipelines de componente e realizar previsões em lote e on-line. Também falamos sobre as cinco fas…
Saiba mais
Este curso apresenta os produtos e serviços de Big Data e machine learning do Google Cloud que auxiliam no ciclo de vida de dados para IA. Ele explica os processos, os desafios e os benefícios de criar um pipeline de Big Data e modelos de machine learning com a Vertex AI no Google Cloud.
Saiba mais
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.
Saiba mais
Os cursos da Google Cloud Computing Foundations são direcionados para pessoas com pouca ou nenhuma formação ou experiência na área de computação em nuvem. Eles apresentam uma visão geral dos principais conceitos de nuvem, Big Data e machine learning, além de explicar onde e como usar o Google Cloud.
Ao final da série de cursos, os alunos serão capazes de articular estes conceitos e demonstrar algumas habilidades práticas.
Conclua os cursos na seguinte ordem:
1. Fundamentos da computação do Google Cloud: noções básicas da computação em nuvem
2. Fundamentos da computação do Google Cloud: infraestrutura no Google Cloud
3. Fundamentos da computação do Google Cloud: rede e segurança no Google Cloud
4. Fundamentos da computação do Google Cloud: dados, ML e IA no Google Cloud
Este primeiro curso apresenta uma visão geral da computação em nuvem, formas de usar o Google Cloud e as diferentes opções de computação.
Saiba mais
