Ming Huang
Miembro desde 2021
Liga de Oro
29600 puntos
IA responsable: Aplica los principios de la IA con Google Cloud
Earned ene 30, 2024 EST
Generative AI Fundamentals - Español
Earned ene 30, 2024 EST
Introducción a la IA responsable
Earned ene 30, 2024 EST
Introducción a los modelos de lenguaje grandes
Earned ene 30, 2024 EST
Introducción a la IA generativa
Earned ene 30, 2024 EST
Operaciones de aprendizaje automático (MLOps) con Vertex AI: Administra atributos
Earned ene 28, 2024 EST
Operaciones de aprendizaje automático (MLOps): Primeros pasos
Earned ene 28, 2024 EST
Crea e implementa soluciones de aprendizaje automático en Vertex AI
Earned ene 27, 2024 EST
Prepara datos para las APIs de AA en Google Cloud
Earned ene 27, 2024 EST
Computer Vision Fundamentals with Google Cloud
Earned ene 25, 2024 EST
Sistemas de aprendizaje automático de producción
Earned ene 22, 2024 EST
Aprendizaje automático en empresas
Earned ene 20, 2024 EST
[DEPRECATED] Ingeniería de atributos
Earned ene 18, 2024 EST
Crea, entrena e implementa modelos de AA con Keras en Google Cloud
Earned ene 17, 2024 EST
Introducción a la IA y el aprendizaje automático en Google Cloud
Earned ene 17, 2024 EST
Launching into Machine Learning - Español
Earned ene 14, 2024 EST
How Google Does Machine Learning - Español
Earned mar 23, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Español
Earned mar 16, 2023 EDT
Data Science en Google Cloud Platform: Machine Learning
Earned mar 6, 2023 EST
[DEPRECATED] Data Engineering
Earned ene 17, 2022 EST
Conceptos básicos de Google Cloud
Earned oct 26, 2021 EDT
A medida que aumenta el uso empresarial de la inteligencia artificial y el aprendizaje automático, también crece la importancia de implementarlo responsablemente. El desafío para muchas personas es que hablar sobre la IA responsable puede ser más fácil que aplicarla. Si te interesa aprender cómo poner en funcionamiento la IA responsable en tu organización, este curso es para ti.
En este curso, aprenderás cómo Google Cloud aplica estos principios en la actualidad, junto con las prácticas recomendadas y las lecciones aprendidas, para usarlos como marco de trabajo de modo que puedas crear tu propio enfoque de IA responsable.
Más información
Completa los cursos Introduction to Generative AI, Introduction to Large Language Models e Introduction to Responsible AI para obtener una insignia de habilidad. Aprueba el cuestionario final para demostrar que entiendes los conceptos básicos sobre la IA generativa.
Una insignia de habilidad es una insignia digital que emite Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma. Para compartir tu insignia de habilidad, establece tu perfil como público y agrega la insignia a tu perfil de redes sociales.
Más información
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA responsable, por qué es importante y cómo la implementa Google en sus productos. También se presentan los 7 principios de la IA de Google.
Más información
Este es un curso introductorio de microaprendizaje en el que se explora qué son los modelos de lenguaje grandes (LLM), sus casos de uso y cómo se puede utilizar el ajuste de instrucciones para mejorar el rendimiento de los LLM. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Más información
Este es un curso introductorio de microaprendizaje destinado a explicar qué es la IA generativa, cómo se utiliza y en qué se diferencia de los métodos de aprendizaje automático tradicionales. También menciona las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA generativa.
Más información
En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción.
Los estudiantes obtendrán experiencia práctica con la transferencia de transmisión de Vertex AI Feature Store en la capa de SDK.
Más información
En este curso, se presentan a los participantes las herramientas y prácticas recomendadas de MLOps para implementar, evaluar, supervisar y operar sistemas de AA de producción en Google Cloud. Las MLOps son una disciplina enfocada en la implementación, prueba, supervisión y automatización de sistemas de AA en producción. Los ingenieros profesionales de aprendizaje automático usan herramientas para mejorar y evaluar continuamente los modelos implementados. Trabajan con científicos de datos (o pueden serlo) que desarrollan modelos para ofrecer velocidad y rigor en la implementación de modelos con el mejor rendimiento.
Más información
Obtén la insignia de habilidad intermedia completando el curso Crea e implementa soluciones de aprendizaje automático en Vertex AI, en el que aprenderás a usar la plataforma de Vertex AI de Google Cloud, así como AutoML y los servicios de entrenamiento personalizado para entrenar, evaluar, ajustar y, además, implementar modelos de aprendizaje automático. Este curso con insignia de habilidad está dirigido a ingenieros de aprendizaje automático y científicos de datos profesionales. Una insignia de habilidad es una insignia digital exclusiva otorgada por Google Cloud en reconocimiento de tu dominio de los productos y servicios de la plataforma, y que prueba tu capacidad para aplicar tus conocimientos en un entorno interactivo y práctico. Completa esta insignia de habilidad y el Lab de desafío de la evaluación final para recibir una insignia digital que puedes compartir en tus redes.
Más información
Completa la insignia de habilidad introductoria Prepara datos para las APIs de AA en Google Cloud y demuestra tus habilidades para realizar las siguientes actividades: limpiar datos con Dataprep de Trifacta, ejecutar canalizaciones de datos en Dataflow, crear clústeres y ejecutar trabajos de Apache Spark en Managed Service for Apache Spark y llamar a APIs de AA, como la API de Cloud Natural Language, la API de Google Cloud Speech-to-Text y la API de Video Intelligence.
Más información
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.
Más información
En este curso, analizaremos los componentes y las prácticas recomendadas de la creación de sistemas de AA de alto rendimiento en entornos de producción. Veremos algunas de las consideraciones más comunes tras la creación de estos sistemas, p. ej., entrenamiento estático, entrenamiento dinámico, inferencia estática, inferencia dinámica, TensorFlow distribuido y TPU. Este curso se enfoca en explorar las características que conforman un buen sistema de AA más allá de su capacidad de realizar predicciones correctas.
Más información
En este curso, se aplica un enfoque real en el flujo de trabajo del AA a través de un caso de éxito. Un equipo de AA trabaja con varios requisitos empresariales y casos de uso de AA. El equipo debe comprender las herramientas necesarias para la administración de los datos y considerar el mejor enfoque para su procesamiento previo.
Al equipo se le presentan tres opciones con las que puede crear modelos de AA para dos casos de uso. En el curso, se explica por qué el equipo usará AutoML, BigQuery ML o entrenamiento personalizado para lograr sus objetivos.
Más información
En este curso, se exploran los beneficios de utilizar Vertex AI Feature Store, cómo mejorar la exactitud de los modelos de AA y cómo descubrir cuáles columnas de datos producen los atributos más útiles. El curso también incluye contenido y labs sobre la ingeniería de atributos en los que se usan BigQuery ML, Keras y TensorFlow.
Más información
En este curso, se explica cómo crear modelos de AA con TensorFlow y Keras, cómo mejorar la exactitud de los modelos de AA y cómo escribir modelos de AA para uso escalado.
Más información
En este curso, se presentan las funciones de IA y aprendizaje automático (AA) de Google Cloud, con un enfoque en el desarrollo de proyectos de IA generativa y predictiva. Se exploran las diversas tecnologías, productos y herramientas disponibles durante el ciclo de vida desde los datos hasta la IA, y se trabaja con ejercicios interactivos para que los científicos de datos, ingenieros de AA y desarrolladores de IA puedan enriquecer su experiencia.
Más información
El curso comienza con un debate sobre los datos: cómo mejorar su calidad y cómo realizar análisis exploratorios de ellos. Describimos Vertex AI AutoML y cómo crear, entrenar e implementar un modelo de AA sin escribir una sola línea de código. Conocerás los beneficios de BigQuery ML. Luego, se analiza cómo optimizar un modelo de aprendizaje automático (AA) y cómo la generalización y el muestreo pueden ayudar a evaluar la calidad de los modelos de AA para el entrenamiento personalizado.
Más información
¿Cuáles son las prácticas recomendadas para implementar el aprendizaje automático en Google Cloud? ¿Qué es Vertex AI y cómo se puede utilizar la plataforma para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código? ¿Qué es el aprendizaje automático? ¿Qué tipos de problemas puede solucionar?
Google considera que el aprendizaje automático es diferente: se trata de proporcionar una plataforma unificada para conjuntos de datos administrados, un almacén de atributos, una forma de crear, entrenar e implementar modelos de aprendizaje automático sin escribir una sola línea de código, así como proporcionar la capacidad de etiquetar datos y crear notebooks de Workbench utilizando frameworks como TensorFlow, SciKit-learn, Pytorch, R y otros. Vertex AI Platform también ofrece la posibilidad de entrenar modelos personalizados, crear canalizaciones de componentes y realizar predicciones en línea y por lotes. Además, analiza…
Más información
En este curso, aprenderás sobre los productos y servicios de macrodatos y aprendizaje automático de Google Cloud involucrados en el ciclo de vida de datos a IA. También explorarás los procesos, los desafíos y los beneficios de crear una canalización de macrodatos y modelos de aprendizaje automático con Vertex AI en Google Cloud.
Más información
Esta es la segunda de dos Quests de labs prácticos que provienen de los ejercicios del libro Data Science on Google Cloud Platform de Valliappa Lakshmanan, publicado por O'Reilly Media, Inc. En esta segunda Quest, que abarca desde el capítulo 9 hasta el final del libro, ampliará las habilidades practicadas en la primera Quest y ejecutará trabajos completos de aprendizaje automático con herramientas de última generación y conjuntos de datos del mundo real, todo mediante el uso de las herramientas y los servicios de Google Cloud Platform.
Más información
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Más información
En este curso de nivel introductorio, obtendrás práctica con las herramientas y servicios básicos de Google Cloud. Se proporcionan videos opcionales para brindar más contexto y un repaso de los conceptos tratados en los labs. Conceptos básicos de Google Cloud es un primer curso recomendado para los estudiantes de la plataforma: puedes empezar con pocos o ningún conocimiento previo de la nube y terminar con experiencia práctica que podrás aplicar a tu primer proyecto en Google Cloud. Desde la escritura de comandos en Cloud Shell y la implementación de tu primera máquina virtual, hasta la ejecución de apps en Kubernetes Engine o con balanceo de cargas, Conceptos básicos de Google Cloud es la introducción ideal a las características básicas de la plataforma.
Más información
