Kyriacos Papayiannis
Member since 2022
Bronze League
3468 points
Member since 2022
Kurumsal yapay zeka ve makine öğreniminin kullanımı arttıkça, bu teknolojileri sorumlu bir şekilde geliştirmenin önemi de artıyor. Birçok kişi için sorumlu yapay zeka hakkında konuşmak, bunu uygulamaya geçirmekten daha kolaydır. Kuruluşunuzda sorumlu yapay zekayı nasıl hayata geçireceğinizi öğrenmek istiyorsanız bu kurs tam size göre. Bu kursta, kendi sorumlu yapay zeka yaklaşımınızı geliştirirken size rehberlik edecek bir çerçeve oluşturmak adına Google Cloud'un bu süreci günümüzde nasıl yürüttüğünü, en iyi uygulama örneklerini ve edindiğimiz tecrübeleri keşfedeceksiniz.
Agent Platform'da istem mühendisliği, görüntü analizi ve çok modlu üretken teknikler gibi becerileri göstermek için Agent Platform'da İstem Tasarımı beceri rozetini tamamlayın. Etkili istemlerin nasıl oluşturulacağını, üretken yapay zeka çıktılarına nasıl rehberlik edileceğini ve Gemini modellerinin gerçek dünyadaki pazarlama senaryolarına nasıl uygulanacağını keşfedin.
Giriş seviyesindeki bu mikro öğrenme kursu, sorumlu yapay zekanın ne olduğunu, neden önemli olduğunu ve Google'ın sorumlu yapay zekayı ürünlerinde nasıl uyguladığını açıklamayı amaçlamaktadır. Ayrıca Google'ın 3 yapay zeka ilkesini de tanıtır.
Giriş seviyesindeki bu mikro öğrenme kursunda; büyük dil modellerinin (LLM) ne olduğu, hangi kullanım alanlarında kullanılabilecekleri ve istem ayarlama ile LLM performansını nasıl artırabileceğiniz ele alınmaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da yer almaktadır.
Bu giriş seviyesi mikro öğrenme kursu, üretken yapay zekanın ne olduğunu, nasıl kullanıldığını ve geleneksel makine öğrenimi yöntemlerinden farkını açıklamayı amaçlamaktadır. Ayrıca kendi üretken yapay zeka uygulamalarınızı geliştirebileceğiniz Google araçları da ele alınmaktadır.
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
Giriş düzeyindeki Google Cloud'da Makine Öğrenimi API'leri İçin Veri Hazırlama beceri rozetini tamamlayarak şu konulardaki becerilerinizi gösterin: Dataprep by Trifacta ile veri temizleme, Dataflow'da veri ardışık düzenleri çalıştırma, Managed Service for Apache Spark'ta küme oluşturma ve Apache Spark işleri çalıştırma ve makine öğrenimi API'lerini (Cloud Natural Language API, Google Cloud Speech-to-Text API ve Video Intelligence API dahil olmak üzere) çağırma.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.