Барабан Сергій Володимирович
Date d'abonnement : 2022
Ligue de bronze
8800 points
Machine Learning Operations (MLOps) : premiers pas
Earned nov. 22, 2022 EST
Computer Vision Fundamentals with Google Cloud
Earned nov. 18, 2022 EST
Machine learning au sein de l'entreprise
Earned nov. 14, 2022 EST
[DEPRECATED] Ingénierie des caractéristiques
Earned nov. 10, 2022 EST
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned nov. 8, 2022 EST
Launching into Machine Learning - Français
Earned nov. 7, 2022 EST
How Google Does Machine Learning - Français
Earned nov. 3, 2022 EDT
Building No-Code AppSheet Apps
Earned oct. 27, 2022 EDT
Utiliser des API de machine learning sur Google Cloud
Earned oct. 27, 2022 EDT
Flutter Essentials
Earned oct. 26, 2022 EDT
Déployer et gérer Apigee X
Earned oct. 25, 2022 EDT
Développer des applications sans serveur sur Cloud Run
Earned oct. 21, 2022 EDT
Dart Essentials
Earned oct. 21, 2022 EDT
Créer un site Web sur Google Cloud
Earned oct. 20, 2022 EDT
Google Workspace for Education
Earned oct. 18, 2022 EDT
Développer des applications sans serveur avec Firebase
Earned oct. 18, 2022 EDT
Flutter Development
Earned oct. 17, 2022 EDT
Créer et déployer des solutions de machine learning sur Vertex
Earned oct. 14, 2022 EDT
Google Cloud Fundamentals for Azure Professionals: Core Infrastructure
Earned oct. 14, 2022 EDT
Google Cloud Fundamentals for AWS Professionals
Earned oct. 13, 2022 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned oct. 13, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned oct. 11, 2022 EDT
Configurer un environnement de développement d'applications sur Google Cloud
Earned oct. 10, 2022 EDT
Implémenter Cloud Load Balancing pour Compute Engine
Earned oct. 7, 2022 EDT
Concepts fondamentaux de Google Cloud : infrastructure de base
Earned oct. 6, 2022 EDT
Ce cours présente les outils et les bonnes pratiques MLOps pour déployer, évaluer, surveiller et exploiter des systèmes de ML en production sur Google Cloud. Le MLOps est une discipline axée sur le déploiement, le test, la surveillance et l'automatisation des systèmes de ML en production. Les ingénieurs en machine learning utilisent des outils pour améliorer et évaluer en permanence les modèles déployés. Ils collaborent avec des data scientists (ou peuvent occuper ce poste) qui développent des modèles permettant de déployer de manière rapide et rigoureuse les solutions de machine learning les plus performantes.
En savoir plus
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
En savoir plus
Ce cours présente une approche pratique du workflow de ML avec une étude de cas dans laquelle une équipe est confrontée à plusieurs exigences métier et cas d'utilisation de ML. Cette équipe doit comprendre quels outils sont nécessaires pour gérer et gouverner les données, et trouver la meilleure approche pour les prétraiter.
On présente à cette équipe trois options de création de modèles de ML pour deux cas d'utilisation spécifiques. Ce cours explique pourquoi l'équipe tire parti des avantages d'AutoML, de BigQuery ML ou de l'entraînement personnalisé pour atteindre ses objectifs.
En savoir plus
Ce cours présente les avantages liés à l'utilisation de Vertex AI Feature Store, ainsi que la manière d'améliorer la précision des modèles de ML et de déterminer les colonnes de données présentant les caractéristiques les plus utiles. Ce cours inclut également du contenu et des ateliers portant sur l'ingénierie des caractéristiques à l'aide de BigQuery ML, Keras et TensorFlow.
En savoir plus
Ce cours porte sur la création de modèles de ML à l'aide de TensorFlow et Keras, l'amélioration de la précision des modèles de ML et l'écriture de modèles de ML pour une utilisation évolutive.
En savoir plus
Le cours commence par une discussion sur les données : vous découvrirez comment améliorer leur qualité et effectuer des analyses exploratoires. Ensuite, nous vous présenterons Vertex AI AutoML et vous expliquerons comment créer, entraîner et déployer un modèle de machine learning (ML) sans écrire une ligne de code. Vous découvrirez également les avantages de BigQuery ML. Enfin, nous verrons comment optimiser un modèle de ML, et en quoi la généralisation ainsi que l'échantillonnage peuvent vous aider à évaluer la qualité des modèles de ML destinés à un entraînement personnalisé.
En savoir plus
Quelles sont les bonnes pratiques pour implémenter le machine learning sur Google Cloud ? En quoi consiste la plate-forme Vertex AI et comment pouvez-vous l'utiliser pour créer, entraîner et déployer rapidement des modèles de machine learning AutoML sans écrire une seule ligne de code ? Qu'est-ce que le machine learning et quels types de problèmes permet-il de résoudre ?
Google aborde le machine learning d'une façon particulière, qui consiste à fournir une plate-forme unifiée pour les ensembles de données gérés, ainsi qu'un magasin de caractéristiques et un moyen de créer, d'entraîner et de déployer des modèles de machine learning sans écrire une seule ligne de code. Il s'agit également de permettre aux utilisateurs d'étiqueter les données et de créer des notebooks Workbench à l'aide de frameworks tels que TensorFlow, Scikit Learn, Pytorch et R. Avec notre plate-forme Vertex AI, il est également possible d'entraîner des modèles personnalisés, de créer des pipelines de composants, …
En savoir plus
This course introduces you to the fundamentals of no-code application development and the capabilities offered by Google Cloud's AppSheet. AppSheet helps in digitizing and automating manual or paper-based business processes to turn them into mobile and web apps.
En savoir plus
Obtenez un badge de compétence avancé en suivant le cours Utiliser des API de machine learning sur Google Cloud, qui présente les fonctionnalités de base des technologies de machine learning et d'IA suivantes : l'API Cloud Vision, l'API Cloud Translation et l'API Cloud Natural Language.
En savoir plus
Flutter is Google's UI toolkit for building beautiful, natively compiled applications for mobile, web, and desktop from a single codebase. In this quest you will learn how to create a Flutter app using generated template code. Be sure to tag #flutterfestival in your social posts!
En savoir plus
Obtenez un badge de compétence en effectuant le cours Déployer et gérer Apigee X dans laquelle vous découvrirez l'architecture Apigee X. Vous y apprendrez également à provisionner une organisation Apigee X dans un projet Google Cloud, à gérer Apigee X à l'aide de l'API et de l'interface utilisateur Apigee, et à utiliser de Cloud Armor et les règles Apigee de protection contre les menaces pour protéger vos API.
En savoir plus
Terminez le cours intermédiaire Développer des applications sans serveur sur Cloud Run pour recevoir un badge démontrant vos compétences dans les domaines suivants : l'intégration de Cloud Run à Cloud Storage pour la gestion des données, la conception de systèmes asynchrones résilients à l'aide de Cloud Run et Pub/Sub, la construction de passerelles API REST reposant sur Cloud Run, et la création et le déploiement de services sur Cloud Run.
En savoir plus
Dart is a client-optimized language for developing fast apps on any platform. Dart also forms the foundation of Flutter by providing the language and runtimes that power Flutter apps. In this quest you will learn the basics of Dart in a prepared development environment. Be sure to tag #flutterfestival in your social posts!
En savoir plus
Obtenez un badge de compétence débutant en suivant le cours Créer un site Web sur Google Cloud. Ce cours s'appuie sur la série Get Cooking in Cloud et aborde les thèmes suivants :Déployer un site Web sur Cloud RunHéberger une application Web sur Compute EngineCréer, déployer et faire évoluer votre site Web sur Google Kubernetes EngineMigrer d'une application monolithique vers une architecture de microservices à l'aide de Cloud Build
En savoir plus
Earn a skill badge by completing the Google Workspace for Education quest, where you learn about a set of familiar Google apps and services tailored for schools and homeschools to collaborate, streamline instruction, and keep online learning safe. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
En savoir plus
Terminez le cours intermédiaire Développer des applications sans serveur avec Firebase pour recevoir un badge démontrant vos compétences dans les domaines suivants : la conception et la création d'applications Web sans serveur avec Firebase, l'utilisation de Firestore pour gérer des bases de données, l'automatisation des processus de déploiement à l'aide de Cloud Build et l'intégration des fonctionnalités de l'Assistant Google dans vos applications.
En savoir plus
Explore the fundamentals of Flutter application development in this hands-on quest! Within this quest, you will build a "Hello World" Flutter application, design a frontend for a shopping application, and learn how to connect your Flutter applications to backend services. Each lab in this quest utilizes a pre-provisioned development environment allowing minimal setup to get into the application code!
En savoir plus
Obtenez un badge de compétence en terminant le cours intermédiaire Créer et déployer des solutions de machine learning sur Vertex. Vous y apprendrez à utiliser la plate-forme Vertex AI de Google Cloud, AutoML et les services d'entraînement personnalisés pour entraîner, évaluer, régler, expliquer et déployer des modèles de machine learning. Ce cours, qui ouvre droit à un badge de compétence, est destiné aux data scientists et aux ingénieurs en machine learning. Un badge de compétence est un badge numérique exclusif délivré par Google Cloud. Il atteste de votre expertise des produits et services Google Cloud et de votre capacité à mettre en pratique vos connaissances dans un environnement concret et interactif. Terminez ce cours et passez l'évaluation finale de l'atelier challenge pour recevoir un badge de compétence que vous pourrez partager avec votre réseau.
En savoir plus
Google Cloud Fundamentals for Azure Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
En savoir plus
Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
En savoir plus
Terminez le cours d'introduction Préparer des données pour les API de ML sur Google Cloud pour recevoir un badge démontrant vos compétences dans les domaines suivants : le nettoyage des données avec Dataprep by Trifacta, l'exécution de pipelines de données dans Dataflow, la création de clusters et l'exécution de jobs Apache Spark dans Managed Service for Apache Spark, et l'appel d'API de ML comme l'API Cloud Natural Language, l'API Google Cloud Speech-to-Text et l'API Video Intelligence.
En savoir plus
Ce cours présente les produits et services Google Cloud pour le big data et le machine learning compatibles avec le cycle de vie "des données à l'IA". Il explore les processus, défis et avantages liés à la création d'un pipeline de big data et de modèles de machine learning avec Vertex AI sur Google Cloud.
En savoir plus
Suivez le cours Configurer un environnement de développement d'applications sur Google Cloud et obtenez un badge de compétence. Dans ce cours, vous apprendrez à créer et connecter une infrastructure cloud axée sur le stockage à l'aide des fonctionnalités de base des technologies suivantes Cloud Storage, Identity and Access Management, Cloud Functions et Pub/Sub.
En savoir plus
Terminez le cours d'introduction Implémenter Cloud Load Balancing pour Compute Engine pour recevoir un badge démontrant vos compétences dans les domaines suivants : Créer et déployer des machines virtuelles dans Compute Engine Configurer des équilibreurs de charge réseau et d'application.
En savoir plus
"Concepts fondamentaux de Google Cloud : infrastructure de base" présente les concepts et les termes à connaître pour utiliser Google Cloud. À travers des vidéos et des ateliers pratiques, il décrit et compare la plupart des services Google Cloud de calcul et de stockage, ainsi que des outils importants de gestion des ressources et des règles.
En savoir plus
