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.
Agora você tem o melhor do Google em pesquisa e IA. O Gemini Enterprise é uma ferramenta empresarial que pode ser usada para encontrar informações específicas armazenadas em diferentes locais, como documentos, e-mails, chats, sistemas de emissão de tíquetes, entre outras fontes de dados. Basta pedir na barra de pesquisa. O assistente do Gemini Enterprise também ajuda na criação de ideias, faz pesquisas, estrutura documentos e realiza ações. Ele pode, por exemplo, convidar seus colegas para uma reunião em um evento da agenda, agilizando os trabalhos intelectuais e todos os tipos de colaboração. Vale destacar que o Gemini Enterprise se refere ao nosso produto anteriormente chamado Google Agentspace. Pode haver referências ao nome anterior do produto neste curso.
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.
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.
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.