Приєднатися Увійти

Apply your skills in Google Cloud console

Santiago Novoa

Учасник із 2022

Золота ліга

Кількість балів: 23312
Gen AI Agents: Transform Your Organization Earned жовт. 23, 2025 EDT
Gen AI Apps: Transform Your Work Earned черв. 4, 2025 EDT
Gen AI: Navigate the Landscape Earned черв. 3, 2025 EDT
Gen AI: Unlock Foundational Concepts Earned трав. 29, 2025 EDT
Gen AI: Beyond the Chatbot Earned трав. 28, 2025 EDT
Build MLOps Pipelines using Vertex AI Earned лют. 20, 2025 EST
DEPRECATED Build and Deploy Machine Learning Solutions on Vertex AI Earned лют. 20, 2025 EST
Machine Learning in the Enterprise Earned січ. 21, 2025 EST
Feature Engineering Earned груд. 10, 2024 EST
Build, Train and Deploy ML Models with Keras on Google Cloud Earned лист. 8, 2024 EST
Machine Learning Operations (MLOps) with Vertex AI: Manage Features Earned лип. 17, 2024 EDT
Introduction to Vertex AI Studio Earned черв. 14, 2024 EDT
Machine Learning Operations (MLOps): Getting Started Earned черв. 13, 2024 EDT
Launching into Machine Learning Earned квіт. 25, 2024 EDT
Introduction to AI and Machine Learning on Google Cloud Earned бер. 6, 2024 EST
Responsible AI: Applying AI Principles with Google Cloud - Yкраїнська Earned січ. 19, 2024 EST
Generative AI Fundamentals - Українська Earned січ. 5, 2024 EST
Introduction to Responsible AI - Українська Earned черв. 20, 2023 EDT
Transformer Models and BERT Model Earned черв. 13, 2023 EDT
Attention Mechanism Earned черв. 2, 2023 EDT
Introduction to Large Language Models - Українська Earned трав. 24, 2023 EDT
Introduction to Generative AI - Українська Earned трав. 19, 2023 EDT
Підготовка даних для інтерфейсів API машинного навчання в Google Cloud Earned трав. 16, 2023 EDT
Налаштування Cloud Load Balancing для Compute Engine Earned трав. 9, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned трав. 3, 2023 EDT
Build Streaming Data Pipelines on Google Cloud Earned квіт. 27, 2023 EDT
Build Batch Data Pipelines on Google Cloud Earned квіт. 10, 2023 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned бер. 30, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - українська Earned бер. 17, 2023 EDT

Gen AI Agents: Transform Your Organization is the fifth and final course of the Gen AI Leader learning path. This course explores how organizations can use custom gen AI agents to help tackle specific business challenges. You gain hands-on practice building a basic gen AI agent, while exploring the components of these agents, such as models, reasoning loops, and tools.

Докладніше

Transform Your Work With Gen AI Apps is the fourth course of the Gen AI Leader learning path. This course introduces Google’s gen AI applications, such as Google Workspace with Gemini and NotebookLM. It guides you through concepts like grounding, retrieval augmented generation, constructing effective prompts and building automated workflows.

Докладніше

Gen AI: Navigate the Landscape s the third course of the Gen AI Leader learning path. Gen AI is changing how we work and interact with the world around us. But as a leader, how can you harness its power to drive real business outcomes? In this course, you explore the different layers of building gen AI solutions, Google Cloud’s offerings, and the factors to consider when selecting a solution.

Докладніше

Gen AI: Unlock Foundational Concepts is the second course of the Gen AI Leader learning path. In this course, you unlock the foundational concepts of generative AI by exploring the differences between AI, ML, and gen AI, and understanding how various data types enable generative AI to address business challenges. You also gain insights into Google Cloud strategies to address the limitations of foundation models and the key challenges for responsible and secure AI development and deployment.

Докладніше

Gen AI: Beyond the Chatbot is the first course of the Gen AI Leader learning path and has no prerequisites. This course aims to move beyond the basic understanding of chatbots to explore the true potential of generative AI for your organization. You explore concepts like foundation models and prompt engineering, which are crucial for leveraging the power of gen AI. The course also guides you through important considerations you should make when developing a successful gen AI strategy for your organization.

Докладніше

This skill badge aims to evaluate a partner's ability to utilize various methods available to them to automate manual processes involved when deploying machine learning models using Vertex AI. Manual processes are often not scalable which is why advancing an organization's AI/ML adoption requires ML Ops processes to improve the rate of model training, experimentation and deployment.

Докладніше

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions on Vertex AI skill badge course, where you learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models.

Докладніше

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

Докладніше

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

Докладніше

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Докладніше

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Learners will get hands-on practice using Vertex AI Feature Store's streaming ingestion at the SDK layer.

Докладніше

This course introduces Vertex AI Studio, a tool to interact with generative AI models, prototype business ideas, and launch them into production. Through an immersive use case, engaging lessons, and a hands-on lab, you’ll explore the prompt-to-product lifecycle and learn how to leverage Vertex AI Studio for Gemini multimodal applications, prompt design, prompt engineering, and model tuning. The aim is to enable you to unlock the potential of gen AI in your projects with Vertex AI Studio.

Докладніше

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Докладніше

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Докладніше

This course introduces Google Cloud's AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects. It explores the various technologies, products, and tools available throughout the data-to-AI lifecycle, empowering data scientists, AI developers, and ML engineers to enhance their expertise through interactive exercises.

Докладніше

Що більше штучний інтелект і машинне навчання використовуються в корпоративних середовищах, то нагальнішою стає потреба розробити принципи відповідального ставлення до них. Однак говорити про принципи відповідального використання штучного інтелекту легше, ніж застосовувати їх на практиці. Цей курс допоможе вам дізнатись, як запровадити відповідальну роботу зі штучним інтелектом у вашій організації. У цьому курсі ви дізнаєтеся про підхід Google Cloud до відповідального використання ШІ, а також отримаєте практичні поради й набудете досвіду, який допоможе вам розробити власний підхід до цього завдання.

Докладніше

Щоб отримати кваліфікаційний значок, пройдіть курси "Introduction to Generative AI", "Introduction to Large Language Models" й "Introduction to Responsible AI". Пройшовши завершальний тест, ви підтвердите, що засвоїли основні поняття, які стосуються генеративного штучного інтелекту. Кваліфікаційний значок – це цифровий значок від платформи Google Cloud, який свідчить, що ви знаєтеся на продуктах і сервісах Google Cloud. Щоб опублікувати кваліфікаційний значок, зробіть свій профіль загальнодоступним, а також додайте значок у профіль у соціальних мережах.

Докладніше

Це ознайомлювальний курс мікронавчання, який має пояснити, що таке відповідальне використання штучного інтелекту, чому воно важливе і як компанія Google реалізує його у своїх продуктах. Крім того, у цьому курсі викладено 7 принципів Google щодо штучного інтелекту.

Докладніше

This course introduces you to the Transformer architecture and the Bidirectional Encoder Representations from Transformers (BERT) model. You learn about the main components of the Transformer architecture, such as the self-attention mechanism, and how it is used to build the BERT model. You also learn about the different tasks that BERT can be used for, such as text classification, question answering, and natural language inference.This course is estimated to take approximately 45 minutes to complete.

Докладніше

This course will introduce you to the attention mechanism, a powerful technique that allows neural networks to focus on specific parts of an input sequence. You will learn how attention works, and how it can be used to improve the performance of a variety of machine learning tasks, including machine translation, text summarization, and question answering. This course is estimated to take approximately 45 minutes to complete.

Докладніше

У цьому ознайомлювальному курсі мікронавчання ви дізнаєтеся, що таке великі мовні моделі, де вони використовуються і як підвищити їх ефективність коригуванням запитів. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучного інтелекту.

Докладніше

Це ознайомлювальний курс мікронавчання, який має пояснити, що таке генеративний штучний інтелект, як він використовується й чим відрізняється від традиційних методів машинного навчання. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучногоінтелекту.

Докладніше

Пройдіть вступний кваліфікаційний курс Підготовка даних для інтерфейсів API машинного навчання в Google Cloud, щоб продемонструвати свої навички щодо очистки даних за допомогою сервісу Dataprep by Trifacta, запуску конвеєрів даних у Dataflow, створення кластерів і запуску завдань Apache Spark у Dataproc, а також виклику API машинного навчання, зокрема Cloud Natural Language API, Google Cloud Speech-to-Text API і Video Intelligence API.

Докладніше

Пройдіть вступний кваліфікаційний курс Налаштування Cloud Load Balancing для Compute Engine, щоб продемонструвати свої навички: створення й розгортання віртуальних машин у Compute Engine; налаштування мережі й розподілювачів навантаження додатків.

Докладніше

Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.

Докладніше

In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.

Докладніше

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

Докладніше

While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.

Докладніше

Під час курсу ви зможете ознайомитися з продуктами й сервісами Google Cloud для роботи з масивами даних і машинним навчанням, які підтримують життєвий цикл роботи з даними для тренування моделей штучного інтелекту. У курсі розглядаються процеси, проблеми й переваги створення конвеєру масиву даних і моделей машинного навчання з Vertex AI у Google Cloud.

Докладніше