Deepeshkumar Malviya
Miembro desde 2021
Liga de Bronce
2115 puntos
Miembro desde 2021
IA generativa: más allá del chatbot es el primer curso de la ruta de aprendizaje de Gen AI Leader y no tiene requisitos previos. El objetivo de este curso es profundizar los conocimientos básicos sobre chatbots para explorar el verdadero potencial de la IA generativa para tu organización. Explorarás conceptos como los modelos de base y la ingeniería de instrucciones, que son fundamentales para aprovechar el poder de la IA generativa. Este curso también te sirve como guía para las consideraciones importantes que debes tener cuando desarrollas una estrategia de IA generativa exitosa para tu organización.
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.
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.
En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.
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.
Obtén la insignia de habilidad intermedia Ingeniería de datos para crear modelos predictivos con BigQuery ML y demuestra tus capacidades para crear canalizaciones de transformación de datos en BigQuery con Dataprep de Trifacta; usar Cloud Storage, Dataflow y BigQuery para crear flujos de trabajo de extracción, transformación y carga (ETL), y crear modelos de aprendizaje automático con BigQuery ML.
El tercer curso de esta serie es Achieving Advanced Insights with BigQuery. En este curso, aumentarás tu conocimiento de SQL a medida que profundizamos en funciones avanzadas y cómo desglosar una consulta compleja en pasos más sencillos. Abordaremos la arquitectura interna de BigQuery (almacenamiento fragmentado basado en columnas) y temas avanzados de SQL, como los campos anidados y repetidos a través del uso de arrays y structs. Finalmente, profundizaremos en la optimización de tus consultas para mejorar el rendimiento y cómo puedes proteger tus datos con vistas autorizadas. Después de completar este curso, inscríbete en el curso Applying Machine Learning to your Data with Google Cloud.
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.