Abhishek Kushwaha
Participante desde 2024
Liga Ouro
4378 pontos
Participante desde 2024
Conquiste um selo de habilidade ao concluir o curso Como desenvolver sua rede do Google Cloud, que ensina várias maneiras de implantar e monitorar aplicativos, incluindo como analisar os papéis do IAM e adicionar/remover acesso a projetos, criar redes VPC, implantar e monitorar VMs do Compute Engine; gravar consultas SQL, implantar e monitorar VMs no Compute Engine e implantar aplicativos usando Kubernetes com múltiplas abordagens de implantação.
Conclua o selo de habilidade intermediário Implantar aplicativos do Kubernetes no Google Cloud para demonstrar que você é capaz de: configurar e criar imagens de contêiner do Docker, criar e gerenciar clusters do Google Kubernetes Engine (GKE), utilizar o kubectl para o gerenciamento eficiente de clusters e implantar aplicativos do Kubernetes com a prática de entrega contínua (CD).
À medida que as plataformas crescem, manter a velocidade, a confiabilidade e experiências de usuário perfeitas torna-se crucial. Inspirado pela Bobble AI e sua jornada para suportar milhões de interações em tempo real, este desafio explora como os sistemas nativos da nuvem são projetados para eficiência em escala. Você trabalhará com Docker e Kubernetes para executar e orquestrar aplicativos, além de usar IAM, Cloud Storage e Monitoramento para gerenciar acesso, dados e desempenho. O resultado: uma visão mais clara de como a combinação certa de contêineres, automação e observabilidade mantém os aplicativos modernos rápidos, resilientes e eficientes.
Neste curso, profissionais de machine learning vão conhecer as principais ferramentas, técnicas e práticas recomendadas para avaliar modelos de IA generativa e preditiva. Essa avaliação é muito importante para garantir que os sistemas de ML produzam resultados confiáveis, precisos e de alto desempenho na produção. Os participantes vão entender em detalhes as várias métricas e metodologias de avaliação, além da aplicação correta delas em diferentes tarefas e tipos de modelo. O foco do curso está nos desafios específicos dos modelos de IA generativa e nas estratégias para lidar com eles de forma eficaz. Usando a plataforma Vertex AI do Google Cloud, os participantes vão aprender a implementar processos robustos de avaliação para selecionar e otimizar os modelos, com monitoramento contínuo.
Quanto maior é o uso da inteligência artificial empresarial e do machine learning, mais importante é desenvolvê-los de maneira responsável. Para muitos, falar sobre a IA responsável pode ser mais fácil, mas colocá-la em prática é um desafio. Se você tem interesse em aprender a operacionalizar a IA responsável na sua organização, este curso é para você. Nele, você vai aprender como o Google Cloud faz isso hoje, além de analisar práticas recomendadas e lições aprendidas, a fim de criar uma base para elaborar sua própria abordagem de IA responsável.
Neste curso, você vai entender como o Gemini, um colaborador com tecnologia de IA generativa do Google Cloud, ajuda você a usar os produtos e serviços do Google para desenvolver, testar, implantar e gerenciar aplicativos. Com a ajuda do Gemini, você vai aprender a desenvolver e criar um aplicativo da Web, corrigir erros no aplicativo, desenvolver testes e consultar dados. No laboratório prático, você aprende como o Gemini aprimora o ciclo de vida do desenvolvimento de software (SDLC, na sigla em inglês) A Duet AI agora é o Gemini, nosso modelo de última geração.
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.
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, no teste, no monitoramento e na automação de sistemas de ML em produção. Profissionais de engenharia de machine learning usam ferramentas para fazer melhorias contínuas e avaliações de modelos implantados. São profissionais que trabalham com ciências de dados e desenvolvem modelos para garantir a velocidade e o rigor na implantação de modelos com melhor desempenho.
Este é um curso de microaprendizagem introdutório que busca explicar a IA responsável: o que é, qual é a importância dela e como ela é aplicada nos produtos do Google. Ele também contém os 7 princípios de IA do Google.
Este é um curso de microlearning de nível introdutório que explica o que são modelos de linguagem grandes (LLM), os casos de uso em que podem ser aplicados e como é possível fazer o ajuste de comandos para aprimorar o desempenho dos LLMs. O curso também aborda as ferramentas do Google que ajudam a desenvolver seus próprios apps de IA generativa.
Este é um curso de microaprendizagem introdutório que busca explicar a IA generativa: o que é, como é usada e por que ela é diferente de métodos tradicionais de machine learning. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA generativa.
Este é o curso Cloud TPUs. Vamos conhecer as vantagens e desvantagens das TPUs em vários cenários e comparar diferentes aceleradores de TPU para você escolher a opção mais adequada. Você aprenderá estratégias para maximizar o desempenho e a eficiência dos seus modelos de IA e compreenderá a importância da interoperabilidade de GPU/TPU para fluxos de trabalho flexíveis de machine learning. Usando conteúdo envolvente e demonstrações práticas, guiaremos você no aproveitamento eficaz das TPUs.
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.
Saiba como usar o NotebookLM para criar um guia de estudos personalizado para o exame de certificação Professional Machine Learning Engineer (PMLE). Você vai analisar os recursos do NotebookLM, criar um notebook e usar o guia de estudo para se preparar para um exame de certificação.
Saiba como usar o Kit de Desenvolvimento de Agente (ADK). Este curso aborda o framework de código aberto do ADK, partindo da simples engenharia de comando para uma abordagem de desenvolvimento de software estruturada e com foco no código, ideal para sistemas multiagentes de nível empresarial.
Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.