VENKATESWARLU MORATHOTI
Учасник із 2021
Золота ліга
Кількість балів: 29235
Machine Learning in the Enterprise
Earned січ. 17, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned січ. 17, 2024 EST
[DEPRECATED] Feature Engineering
Earned січ. 4, 2024 EST
Introduction to AI and Machine Learning on Google Cloud
Earned груд. 29, 2023 EST
Natural Language Processing on Google Cloud
Earned груд. 28, 2023 EST
Generative AI Explorer - Agent Platform
Earned груд. 26, 2023 EST
Gemini in Gmail
Earned груд. 11, 2023 EST
Google Workspace with Gemini: Foundations of Your AI Workflow
Earned груд. 11, 2023 EST
Responsible AI: Applying AI Principles with Google Cloud - Yкраїнська
Earned лист. 22, 2023 EST
MLOps with Agent Platform: Manage Features
Earned лист. 21, 2023 EST
Machine Learning Operations (MLOps): Getting Started
Earned лист. 19, 2023 EST
Create Image Captioning Models
Earned лист. 11, 2023 EST
Generative AI Fundamentals - Українська
Earned лист. 10, 2023 EST
Introduction to Responsible AI - Українська
Earned лист. 10, 2023 EST
Introduction to Large Language Models - Українська
Earned лист. 9, 2023 EST
Introduction to Generative AI - Українська
Earned лист. 9, 2023 EST
Transformer Models and BERT Model
Earned лист. 8, 2023 EST
Introduction to Vertex AI Studio
Earned лист. 7, 2023 EST
Encoder-Decoder Architecture
Earned жовт. 29, 2023 EDT
Attention Mechanism
Earned жовт. 28, 2023 EDT
Introduction to Image Generation
Earned жовт. 16, 2023 EDT
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 covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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 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
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Докладніше
The Generative AI Explorer - Agent Platform course is a collection of labs on how to use Generative AI on Google Cloud. Through the labs, you will learn about how to use the Gemini models in Agent Platform. You will also learn about prompt design, best practices, and how it can be used for ideation, text classification, text extraction, text summarization, and more. You will also learn how to tune a foundation model by training it via custom training in Agent Platform and deploy it to an endpoint in Agent Platform.
Докладніше
This course covers how to use Gemini in Gmail to optimize your email management. Learn to summarize lengthy threads, retrieve information using natural language, draft professional responses, and organize communication strategies directly inside your inbox. Explore other content in the Gemini Agent Ready (GEAR) program.
Докладніше
Google Workspace with Gemini provides customers with generative AI features in Google Workspace. Here, you will learn about the key features of Gemini and how they can be used to improve productivity and efficiency. Continue building your skills in the full Google Workspace with Gemini learning path, and explore other content in the Gemini Agent Ready (GEAR) program.
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
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 Agent Platform Feature Store's streaming ingestion at the SDK layer.
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
This course teaches you how to create an image captioning model by using deep learning. You learn about the different components of an image captioning model, such as the encoder and decoder, and how to train and evaluate your model. By the end of this course, you will be able to create your own image captioning models and use them to generate captions for images
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
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
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 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 gives you a synopsis of the encoder-decoder architecture, which is a powerful and prevalent machine learning architecture for sequence-to-sequence tasks such as machine translation, text summarization, and question answering. You learn about the main components of the encoder-decoder architecture and how to train and serve these models. In the corresponding lab walkthrough, you’ll code in TensorFlow a simple implementation of the encoder-decoder architecture for poetry generation from the beginning.
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
This course introduces diffusion models, a family of machine learning models that recently showed promise in the image generation space. Diffusion models draw inspiration from physics, specifically thermodynamics. Within the last few years, diffusion models became popular in both research and industry. Diffusion models underpin many state-of-the-art image generation models and tools on Google Cloud. This course introduces you to the theory behind diffusion models and how to train and deploy them on Gemini Enterprise Agent Platform.
Докладніше
