Приєднатися Увійти

Lex Xai

Учасник із 2022

Золота ліга

Кількість балів: 42155
Значок за Engineer Data for Predictive Modeling with BigQuery ML Engineer Data for Predictive Modeling with BigQuery ML Earned груд. 4, 2024 EST
Значок за Create ML Models with BigQuery ML Create ML Models with BigQuery ML Earned лист. 25, 2024 EST
Значок за Working with Notebooks in Vertex AI Working with Notebooks in Vertex AI Earned лист. 10, 2024 EST
Значок за Prepare Data for ML APIs on Google Cloud Prepare Data for ML APIs on Google Cloud Earned лист. 7, 2024 EST
Значок за Responsible AI for Developers: Interpretability & Transparency - Українська Responsible AI for Developers: Interpretability & Transparency - Українська Earned лист. 6, 2024 EST
Значок за Responsible AI for Developers: Fairness & Bias - Українська Responsible AI for Developers: Fairness & Bias - Українська Earned лист. 5, 2024 EST
Значок за Professional Machine Learning Engineer Study Guide Professional Machine Learning Engineer Study Guide Earned лист. 3, 2024 EST
Значок за Create Generative AI Apps on Google Cloud Create Generative AI Apps on Google Cloud Earned лист. 3, 2024 EST
Значок за Vector Search and Embeddings Vector Search and Embeddings Earned лист. 3, 2024 EST
Значок за Build and Deploy Machine Learning Solutions on Vertex AI Build and Deploy Machine Learning Solutions on Vertex AI Earned жовт. 29, 2024 EDT
Значок за ML Pipelines on Google Cloud ML Pipelines on Google Cloud Earned жовт. 27, 2024 EDT
Значок за Machine Learning Operations (MLOps) with Vertex AI: Model Evaluation Machine Learning Operations (MLOps) with Vertex AI: Model Evaluation Earned жовт. 19, 2024 EDT
Значок за Machine Learning Operations (MLOps) for Generative AI Machine Learning Operations (MLOps) for Generative AI Earned жовт. 11, 2024 EDT
Значок за Introduction to Large Language Models - Українська Introduction to Large Language Models - Українська Earned жовт. 11, 2024 EDT
Значок за Introduction to Generative AI - Українська Introduction to Generative AI - Українська Earned жовт. 10, 2024 EDT
Значок за Machine Learning Operations (MLOps) with Vertex AI: Manage Features Machine Learning Operations (MLOps) with Vertex AI: Manage Features Earned жовт. 10, 2024 EDT
Значок за Machine Learning Operations (MLOps): Getting Started Machine Learning Operations (MLOps): Getting Started Earned квіт. 7, 2024 EDT
Значок за Recommendation Systems on Google Cloud Recommendation Systems on Google Cloud Earned квіт. 3, 2024 EDT
Значок за Natural Language Processing on Google Cloud Natural Language Processing on Google Cloud Earned бер. 26, 2024 EDT
Значок за Computer Vision Fundamentals with Google Cloud Computer Vision Fundamentals with Google Cloud Earned бер. 25, 2024 EDT
Значок за Production Machine Learning Systems Production Machine Learning Systems Earned бер. 23, 2024 EDT
Значок за Machine Learning in the Enterprise Machine Learning in the Enterprise Earned бер. 20, 2024 EDT
Значок за Feature Engineering Feature Engineering Earned бер. 9, 2024 EST
Значок за Build, Train and Deploy ML Models with Keras on Google Cloud Build, Train and Deploy ML Models with Keras on Google Cloud Earned бер. 5, 2024 EST
Значок за Launching into Machine Learning Launching into Machine Learning Earned лют. 26, 2024 EST
Значок за Introduction to AI and Machine Learning on Google Cloud Introduction to AI and Machine Learning on Google Cloud Earned лют. 18, 2024 EST
Значок за Implement Load Balancing on Compute Engine Implement Load Balancing on Compute Engine Earned лип. 6, 2023 EDT
Значок за Reliable Google Cloud Infrastructure: Design and Process Reliable Google Cloud Infrastructure: Design and Process Earned лип. 6, 2023 EDT
Значок за Developing a Google SRE Culture Developing a Google SRE Culture Earned лип. 2, 2023 EDT
Значок за Google Cloud Fundamentals: Core Infrastructure - Yкраїнська Google Cloud Fundamentals: Core Infrastructure - Yкраїнська Earned черв. 1, 2023 EDT
Значок за Perform Foundational Infrastructure Tasks in Google Cloud Perform Foundational Infrastructure Tasks in Google Cloud Earned трав. 13, 2023 EDT
Значок за Create and Manage Cloud Resources Create and Manage Cloud Resources Earned лют. 8, 2023 EST

Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML. 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 the skill badge course, and final assessment challenge lab, to receive a digital badge that you can share with your network.

Докладніше

Complete the intermediate Create ML Models with BigQuery ML skill badge to demonstrate skills in the following: creating and evaluating machine learning models with BigQuery ML to make data predictions. 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 course, and the final assessment challenge lab, to receive a skill badge that you can share with your network.

Докладніше

This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

Докладніше

Пройдіть вступний кваліфікаційний курс Підготовка даних для інтерфейсів API машинного навчання в Google Cloud, щоб продемонструвати свої навички щодо очистки даних за допомогою сервісу Dataprep by Trifacta, запуску конвеєрів даних у Dataflow, створення кластерів і запуску завдань Apache Spark у Dataproc, а також виклику API машинного навчання, зокрема Cloud Natural Language API, Google Cloud Speech-to-Text API і Video Intelligence API. Кваліфікаційний значок – це ексклюзивна цифрова відзнака, яка підтверджує, що ви вмієте працювати з продуктами й сервісами Google Cloud і можете застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати кваліфікаційний значок і показати його колегам, пройдіть цей курс і підсумковий тест.

Докладніше

У цьому курсі розглядаються поняття інтерпретованості й прозорості штучного інтелекту, а також їх важливість для розробників. Ви дізнаєтеся про практичні методи й інструменти, які дають змогу досягти інтерпретованості й прозорості даних і моделей штучного інтелекту.

Докладніше

Під час цього курсу ви зможете ознайомитися з концепціями відповідального підходу й принципами щодо штучного інтелекту. Ви дізнаєтеся про практичні методи виявлення об’єктивності й упередженості в роботі ШІ та технологій машинного навчання, а також ознайомитеся зі способами мінімізувати упередженість. У курсі розглядаються практичні методи й інструменти для впровадження відповідального підходу до ШІ за допомогою продуктів Google Cloud і інструментів із відкритим кодом.

Докладніше

This course helps learners create a study plan for the PMLE (Professional Machine Learning Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.

Докладніше

Generative AI applications can create new user experiences that were nearly impossible before the invention of large language models (LLMs). As an application developer, how can you use generative AI to build engaging, powerful apps on Google Cloud? In this course, you'll learn about generative AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs. You'll learn about a production-ready architecture that can be used for generative AI applications and you'll build an LLM and RAG-based chat application.

Докладніше

This course introduces Vertex AI Vector Search and describes how it can be used to build a search application with large language model (LLM) APIs for embeddings. The course consists of conceptual lessons on vector search and text embeddings, practical demos on how to build vector search on Vertex AI, and a hands-on lab.

Докладніше

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models. This skill badge course is for professional Data Scientists and Machine Learning Engineers. 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, and the final assessment challenge lab, to receive a digital badge that you can share with your network.

Докладніше

In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.

Докладніше

This course equips machine learning practitioners with the essential tools, techniques, and best practices for evaluating both generative and predictive AI models. Model evaluation is a critical discipline for ensuring that ML systems deliver reliable, accurate, and high-performing results in production. Participants will gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks. The course will emphasize the unique challenges posed by generative AI models and provide strategies for tackling them effectively. By leveraging Google Cloud's Vertex AI platform, participants will learn how to implement robust evaluation processes for model selection, optimization, and continuous monitoring.

Докладніше

This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Vertex AI empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.

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 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 Vertex AI 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

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

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

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.

Докладніше

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Докладніше

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 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 covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Докладніше

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Докладніше

This course introduces the AI and machine learning (ML) offerings on Google Cloud that build both predictive and generative AI projects. It explores the technologies, products, and tools available throughout the data-to-AI life cycle, encompassing AI foundations, development, and solutions. It aims to help data scientists, AI developers, and ML engineers enhance their skills and knowledge through engaging learning experiences and practical hands-on exercises.

Докладніше

Пройдіть вступний кваліфікаційний курс Налаштування розподілу навантаження в Compute Engine, щоб продемонструвати свої навички написання команд gcloud і використання Cloud Shell, створення й розгортання віртуальних машин у Compute Engine, а також налаштування мережі й розподілювачів навантаження HTTP. Кваліфікаційний значок – це ексклюзивний цифровий значок від Google Cloud, який засвідчує, що ви знаєтеся на продуктах і сервісах цієї платформи й можете застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати кваліфікаційний значок і показати його колегам, пройдіть цей курс і підсумковий тест.

Докладніше

This course equips students to build highly reliable and efficient solutions on Google Cloud using proven design patterns. It is a continuation of the Architecting with Google Compute Engine or Architecting with Google Kubernetes Engine courses and assumes hands-on experience with the technologies covered in either of those courses. Through a combination of presentations, design activities, and hands-on labs, participants learn to define and balance business and technical requirements to design Google Cloud deployments that are highly reliable, highly available, secure, and cost-effective.

Докладніше

In many IT organizations, incentives are not aligned between developers, who strive for agility, and operators, who focus on stability. Site reliability engineering, or SRE, is how Google aligns incentives between development and operations and does mission-critical production support. Adoption of SRE cultural and technical practices can help improve collaboration between the business and IT. This course introduces key practices of Google SRE and the important role IT and business leaders play in the success of SRE organizational adoption.

Докладніше

Курс "Знайомство з Google Cloud: основна інфраструктура" охоплює важливі поняття й терміни щодо використання Google Cloud. Переглядаючи відео й виконуючи практичні завдання, слухачі ознайомляться з різними сервісами Google Cloud для обчислень і зберігання даних, а також важливими ресурсами й інструментами для керування правилами. Крім того, вони зможуть їх порівнювати.

Докладніше

Пройдіть квест Виконання завдань із продуктами для роботи з фундаментальною інфраструктурою в Google Cloud і отримайте значок за навички. Ви навчитеся створювати й підключати хмарну інфраструктуру, спрямовану на зберігання даних, за допомогою базових можливостей таких технологій: Cloud Storage, система керування ідентифікаційними даними й доступом, Cloud Functions і Pub/Sub. Значок за навички – це ексклюзивна цифрова винагорода, яка підтверджує, що ви вмієте працювати з продуктами й сервісами Google Cloud, а також застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати значок за навички й показати його колегам, пройдіть цей квест і підсумковий тест. Рівень попередньої підготовки. Перш ніж реєструватися на цей квест для отримання значка за навички, пройдіть квест Створення хмарних ресурсів і керування ними.

Докладніше

Пройдіть квест Create and Manage Cloud Resources й отримайте skill badge. Ви навчитеся виконувати наведені нижче дії. Писати команди gcloud і використовувати Cloud Shell, створювати й розгортати віртуальні машини в Compute Engine, запускати контейнерні додатки за допомогою Google Kubernetes Engine, а також налаштовувати розподілювачі навантаження для мережі й HTTP.Skill badge – це ексклюзивна цифрова винагорода, яка підтверджує, що ви вмієте працювати з продуктами й сервісами Google Cloud, а також застосовувати ці знання в інтерактивному практичному середовищі. Щоб отримати skill badge й показати його колегам, пройдіть цей квест і підсумковий тест.

Докладніше