Roberto Panai
Menjadi anggota sejak 2020
Menjadi anggota sejak 2020
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.
Padukan keahlian Google di bidang penelusuran dan AI dengan Gemini Enterprise, alat canggih yang dirancang untuk membantu karyawan menemukan informasi spesifik dari penyimpanan dokumen, email, chat, sistem tiket, dan sumber data lain, semuanya dari satu kotak penelusuran. Asisten Gemini Enterprise juga dapat membantu Anda bertukar pikiran, melakukan riset, membuat kerangka dokumen, serta mengambil tindakan seperti mengundang rekan kerja ke acara kalender untuk mempercepat pekerjaan dan kolaborasi berbasis pengetahuan dalam berbagai bentuk. (Perhatikan bahwa Gemini Enterprise sebelumnya bernama Google Agentspace, mungkin ada referensi ke nama produk sebelumnya dalam kursus ini.)
Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.
Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.
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.