On-demand activities
У Google Cloud ми створили для вас комплексний каталог, що містить понад 980 навчальних матеріалів. У ньому ви можете вибирати різні формати навчання. Це можуть бути невеликі індивідуальні практичні роботи чи багатомодульні курси з відео, документами, практичними завданнями й тестами. Для виконання практичних робіт ми надаємо вам тимчасові облікові дані для доступу до справжніх ресурсів у хмарі, тож ви можете вивчати Google Cloud у реальному середовищі. Отримуйте значки за виконані завдання, ставте собі цілі, відстежуйте й вимірюйте свої успіхи з Google Cloud.
-
Практична робота Пропонується Navigate Dataplex
Use dataplex to identify data sources in BigQuery and Dataproc
-
Практична робота Пропонується HTTP Google Cloud Functions in Go
In this lab you'll build an HTTP Cloud Function in Go.
-
Практична робота Пропонується Stream Processing with Cloud Pub/Sub and Dataflow: Qwik Start
This quickstart shows you how to use Dataflow to read messages published to a Pub/Sub topic, window (or group) the messages by timestamp, and Write the messages to Cloud Storage.
-
Практична робота Пропонується Практична робота підвищеного рівня складності "Підготовка даних для інтерфейсів API машинного навчання в Google Cloud"
Ця практична робота підвищеного рівня складності перевіряє навички й знання, які ви здобули в межах курсу "Підготовка даних для інтерфейсів API машинного навчання в Google Cloud". Пройдіть практичні роботи курсу, перш ніж переходити до цієї.
-
Практична робота Пропонується Use Vertex AI Studio for Healthcare
In this lab, you will learn how to use Vertex AI Studio to create prompts and conversations with Gemini's multimodal capabilities in a healthcare context.
-
Практична робота Пропонується Analyze Customer Reviews with Gemini Using SQL
Learn how to use BigQuery Machine Learning with remote models (Gemini) to analyze customer reviews using SQL.
-
Практична робота Пропонується Протидія упередженості за допомогою MinDiff у TensorFlow
Під час цієї практичної роботи ви дізнаєтесь, як уникати упередженості за допомогою техніки MinDiff і бібліотеки TensorFlow Model Remediation.
-
Практична робота Пропонується Fraud Detection on Financial Transactions with Machine Learning on Google Cloud
Explore financial transactions data for fraud analysis, apply feature engineering and machine learning techniques to detect fraudulent activities using BigQuery ML.
-
Практична робота Пропонується Build an LLM and RAG-based Chat Application with AlloyDB and Vertex AI
In this lab, you create a chat application that uses Retrieval Augmented Generation, or RAG, to augment prompts with data retrieved from AlloyDB.
-
Практична робота Пропонується Create Text Embeddings for a Vector Store using LangChain
In this lab, you learn how to use LangChain to store documents as embeddings in a vector store. You will use the LangChain framework to split a set of documents into chunks, vectorize (embed) each chunk and then store the embeddings in a vector database.