Generative AI Fundamentals
Earned juil. 21, 2023 EDT
Technology + Beyond the UI
Earned juil. 19, 2023 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juil. 18, 2023 EDT
Technology + Within the UI
Earned juil. 18, 2023 EDT
Explorateur de l'IA générative – Vertex AI
Earned juil. 11, 2023 EDT
Implementing Generative AI with Vertex AI
Earned juil. 5, 2023 EDT
IA responsable : appliquer les principes concernant l'IA avec Google Cloud
Earned juil. 4, 2023 EDT
Introduction à Vertex AI Studio
Earned juin 30, 2023 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned juin 27, 2023 EDT
Recommendation Systems on Google Cloud
Earned juin 27, 2023 EDT
Créer des modèles de création de légendes pour les images
Earned juin 26, 2023 EDT
Modèles Transformer et modèle BERT
Earned juin 23, 2023 EDT
Architecture encodeur/décodeur
Earned juin 21, 2023 EDT
Mécanisme d'attention
Earned juin 21, 2023 EDT
Introduction à la génération d'images
Earned juin 21, 2023 EDT
Generative AI Fundamentals - Français
Earned juin 21, 2023 EDT
Introduction à l'IA responsable
Earned juin 20, 2023 EDT
Présentation des grands modèles de langage
Earned juin 20, 2023 EDT
Présentation de l'IA générative
Earned juin 20, 2023 EDT
Natural Language Processing on Google Cloud
Earned juin 16, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned juin 13, 2023 EDT
Table Calculations, Pivots, and Visualizations
Earned juin 8, 2023 EDT
Building Reports in Looker
Earned juin 7, 2023 EDT
Liquid Templates and Parameters
Earned juin 7, 2023 EDT
Extends to Keep LookML DRY
Earned juin 7, 2023 EDT
Admin Roles and Folder Access
Earned juin 6, 2023 EDT
Version Control and Caching
Earned juin 6, 2023 EDT
The Modern Data Platform and LookML
Earned juin 5, 2023 EDT
Systèmes de machine learning de production
Earned mai 30, 2023 EDT
Driving Data Culture and Designing Dashboards
Earned mai 17, 2023 EDT
Achieving Business Outcomes with Looker
Earned mai 12, 2023 EDT
Looker Explained
Earned mai 9, 2023 EDT
Machine learning au sein de l'entreprise
Earned avr. 5, 2023 EDT
Ingénierie des caractéristiques
Earned mars 29, 2023 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 28, 2023 EDT
Launching into Machine Learning - Français
Earned mars 23, 2023 EDT
How Google Does Machine Learning - Français
Earned mars 17, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned mars 14, 2023 EDT
Le cœur de Contact Center AI est son cœur de conversation, et ses interactions humaines redéfinissent les possibilités de conversations basées sur l'IA. Dans cette mission, vous apprendrez à créer un agent virtuel, à concevoir des flux de conversation votre agent virtuel et ajoutez une passerelle téléphonique à un agent virtuel. Terminez cette quête, y compris le Labo du défi à la fin, pour recevoir un badge numérique exclusif de Google Cloud. Le laboratoire de défi ne fournit pas d'étapes normatives, il nécessite la création de solutions avec un minimum de conseils et testera vos compétences en technologie Google Cloud.
En savoir plus
Earn a skill badge by completing the Create Conversational AI Agents with Dialogflow CX quest, where you will learn how to create a conversational virtual agent, including how to: define intents and entities, use versions and environments, create conversational branching, and use IVR features. 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
This content is deprecated. Please see the latest version of the course, here.
En savoir plus
Welcome to "CCAI Operations and Implementation", the fourth course in the "Customer Experiences with Contact Center AI" series. In this course, learn some best practices for integrating conversational solutions with your existing contact center software, establishing a framework for human agent assistance, and implementing solutions securely and at scale. In this course, you'll be introduced to Agent Assist and the technology it uses so you can delight your customers with the efficiencies and accuracy of services provided when customers require human agents, connectivity protocols, APIs, and platforms which you can use to create an integration between your virtual agent and the services already established for your business, Dialogflow's Environment Management tool for deployment of different versions of your virtual agent for various purposes, compliance measures and regulations you should be aware of when bringing your virtual agent to production, and you'll be given tips from virtua…
En savoir plus
Welcome to "Virtual Agent Development in Dialogflow CX for Software Devs", the third course in the "Customer Experiences with Contact Center AI" series. In this course, learn how to develop more customized customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to more advanced and customized handling for virtual agent conversations that need to look up and convey dynamic data, and methods available to you for testing your virtual agent and logs which can be useful for understanding issues that arise.
This is an intermediate course, intended for learners with the following type of role:
Software developers: Codes computer software in a programming language (e.g., C++, Python, Javascript) and often using an SDK/API.
En savoir plus
Welcome to "Virtual Agent Development in Dialogflow CX for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations using Dialogflow CX.
En savoir plus
Welcome to "CCAI Virtual Agent Development in Dialogflow ES for Software Developers", the third course in the "Customer Experiences with Contact Center AI" series.
In this course, learn to use additional features of Dialogflow ES for your virtual agent, create a Firestore instance to store customer data, and implement cloud functions that access the data. With the ability to read and write customer data, learner’s virtual agents are conversationally dynamic and able to defer contact center volume from human agents. You'll be introduced to methods for testing your virtual agent and logs which can be useful for understanding issues that arise. Lastly, learn about connectivity protocols, APIs, and platforms for integrating your virtual agent with services already established for your business.
En savoir plus
Welcome to "Virtual Agent Development in Dialogflow ES for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). You will use Dialogflow ES to create virtual agents and test them using the Dialogflow ES simulator. This course also provides best practices on developing virtual agents. You will also be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations. Through a combination of presentations, demos, and hands-on labs, participants learn how to create virtual agents.
This is an intermediate course, intended for learners with the following types of roles:
Conversational designers: Designs the user experience of a virtual assistant. Translates the brand's business requirements into natural dialog flows.
Citizen developers: Creates new business applications fo…
En savoir plus
Welcome to "CCAI Conversational Design Fundamentals", the first course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to design customer conversational solutions using Contact Center Artificial Intelligence (CCAI). You will be introduced to CCAI and its three pillars (Dialogflow, Agent Assist, and Insights), and the concepts behind conversational experiences and how the study of them influences the design of your virtual agent. After taking this course you will be prepared to take your virtual agent design to the next level of intelligent conversation.
En savoir plus
In this course, you shadow a series of client meetings led by a Looker Professional Services Consultant.
En savoir plus
By the end of this course, you should feel confident employing technical concepts to fulfill business requirements and be familiar with common complex design patterns.
En savoir plus
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI.
A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
En savoir plus
In this course you will discover additional tools for your toolbox for working with complex deployments, building robust solutions, and delivering even more value.
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 Dataproc, 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. 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
Develop technical skills beyond LookML along with basic administration for optimizing Looker instances
En savoir plus
Le cours "Explorateur de l'IA générative – Vertex AI" est un ensemble d'ateliers consacrés à l'utilisation de l'IA générative sur Google Cloud. Vous apprendrez à utiliser les modèles de la famille d'API PaLM Vertex AI comme text-bison, chat-bison, et textembedding-gecko. Vous découvrirez également comment rédiger des prompts, quelles bonnes pratiques appliquer, et comment utiliser l'IA générative pour l'idéation, la classification et l'extraction de texte, la création de synthèses, et plus encore. Enfin, vous apprendrez à régler un modèle de fondation à l'aide de l'entraînement personnalisé Vertex AI et à le déployer sur un point de terminaison Vertex AI.
En savoir plus
This course will help ML Engineers, Developers, and Data Scientists implement Large Language Models for Generative AI use cases with Vertex AI. The first two modules of this course contain links to videos and prerequisite course materials that will build your knowledge foundation in Generative AI. Please do not skip these modules. The advanced modules in this course assume you have completed these earlier modules.
En savoir plus
Avec l'essor de l'utilisation de l'intelligence artificielle et du machine learning en entreprise, il est de plus en plus important de développer ces technologies de manière responsable. Pour beaucoup, le véritable défi réside dans la mise en pratique de l'IA responsable, qui s'avère bien plus complexe que dans la théorie. Si vous souhaitez découvrir comment opérationnaliser l'IA responsable dans votre organisation, ce cours est fait pour vous.
Dans ce cours, vous allez apprendre comment Google Cloud procède actuellement, en s'appuyant sur des bonnes pratiques et les enseignements tirés, afin de vous fournir un framework pour élaborer votre propre approche d'IA responsable.
En savoir plus
Ce cours présente Vertex AI Studio, un outil permettant d'interagir avec des modèles d'IA générative, de prototyper des idées commerciales et de les envoyer en production. Au moyen d'un cas d'utilisation immersif, de leçons captivantes et d'un atelier pratique, vous allez découvrir le cycle de vie de la requête au produit. Vous apprendrez également à utiliser Vertex AI Studio pour les applications multimodales Gemini, la conception de requêtes, le prompt engineering (ingénierie des requêtes) et le réglage de modèles. L'objectif est de vous permettre d'exploiter tout le potentiel de l'IA générative dans vos projets avec Vertex AI Studio.
En savoir plus
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
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.
En savoir plus
Dans ce cours, vous allez apprendre à créer un modèle de sous-titrage d'images à l'aide du deep learning. Vous découvrirez les différents composants de ce type de modèle, comme l'encodeur et le décodeur, et comment l'entraîner et l'évaluer. À la fin du cours, vous serez en mesure de créer vos propres modèles de sous-titrage d'images et de les utiliser pour générer des sous-titres pour des images.
En savoir plus
Ce cours présente l'architecture Transformer et le modèle BERT (Bidirectional Encoder Representations from Transformers). Vous découvrirez quels sont les principaux composants de l'architecture Transformer, tels que le mécanisme d'auto-attention, et comment ils sont utilisés pour créer un modèle BERT. Vous verrez également les différentes tâches pour lesquelles le modèle BERT peut être utilisé, comme la classification de texte, les questions-réponses et l'inférence en langage naturel. Ce cours dure environ 45 minutes.
En savoir plus
Ce cours offre un aperçu de l'architecture encodeur/décodeur, une architecture de machine learning performante souvent utilisée pour les tâches "seq2seq", telles que la traduction automatique, la synthèse de texte et les questions-réponses. Vous découvrirez quels sont les principaux composants de l'architecture encodeur/décodeur, et comment entraîner et exécuter ces modèles. Dans le tutoriel d'atelier correspondant, vous utiliserez TensorFlow pour coder une implémentation simple de cette architecture afin de générer un poème en partant de zéro.
En savoir plus
Ce cours présente le mécanisme d'attention, une technique efficace permettant aux réseaux de neurones de se concentrer sur des parties spécifiques d'une séquence d'entrée. Vous découvrirez comment fonctionne l'attention et comment l'utiliser pour améliorer les performances de diverses tâches de machine learning, dont la traduction automatique, la synthèse de texte et les réponses aux questions.
En savoir plus
Ce cours présente les modèles de diffusion, une famille de modèles de machine learning qui s'est récemment révélée prometteuse dans le domaine de la génération d'images. Les modèles de diffusion trouvent leur origine dans la physique, et plus précisément dans la thermodynamique. Au cours des dernières années, ils ont gagné en popularité dans la recherche et l'industrie. Ils sont à la base de nombreux modèles et outils Google Cloud avancés de génération d'images. Ce cours vous présente les bases théoriques des modèles de diffusion, et vous explique comment les entraîner et les déployer sur Vertex AI.
En savoir plus
Suivez les cours Introduction to Generative AI, Introduction to Large Language Models et Introduction to Responsible AI, et obtenez un badge de compétence. Votre réussite au quiz final démontrera que vous comprenez les concepts de base relatifs à l'IA générative.
Un badge de compétence est un badge numérique délivré par Google Cloud. Il atteste de votre expertise sur les produits et services Google Cloud. Partagez votre badge de compétence en rendant votre profil public et en l'ajoutant à votre profil sur les réseaux sociaux.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA responsable, souligne son importance et décrit comment Google l'implémente dans ses produits. Il présente également les sept principes de l'IA de Google.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce que sont les grands modèles de langage (LLM). Il inclut des cas d'utilisation et décrit comment améliorer les performances des LLM grâce au réglage des requêtes. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
En savoir plus
Ce cours de micro-apprentissage, qui s'adresse aux débutants, explique ce qu'est l'IA générative, décrit à quoi elle sert et souligne ce qui la distingue des méthodes de machine learning traditionnel. Il présente aussi les outils Google qui vous aideront à développer votre propre application d'IA générative.
En savoir plus
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.
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
This course reviews the processes for creating table calculations, pivots and visualizations
En savoir plus
This course is designed for Looker users who want to create their own ad-hoc reports. It assumes experience of everything covered in our Get Started with Looker course (logging in, finding Looks & dashboards, adjusting filters, and sending data)
En savoir plus
In this course you will discover Liquid, the templating language invented by Shopify and explore how it can be used in Looker to create dynamic links, content, formatting, and more.
En savoir plus
Hands on course covering the main uses of extends and the three primary LookML objects extends are used on as well as some advanced usage of extends.
En savoir plus
This course is designed to teach you about roles, permission sets and model sets. These are areas that are used together to manage what users can do and what they can see in Looker.
En savoir plus
This course aims to introduce you to the basic concepts of Git: what it is and how it's used in Looker. You will also develop an in-depth knowledge of the caching process on the Looker platform, such as why they are used and why they work
En savoir plus
This course provides an introduction to databases and summarized the differences in the main database technologies. This course will also introduce you to Looker and how Looker scales as a modern data platform. In the lessons, you will build and maintain standard Looker data models and establish the foundation necessary to learn Looker's more advanced features.
En savoir plus
Dans ce cours, nous abordons en détail les composants et les bonnes pratiques de construction de systèmes de ML hautes performances dans des environnements de production. Nous verrons aussi certaines des considérations les plus courantes concernant la construction de ces systèmes, telles que l'entraînement statique, l'entraînement dynamique, l'inférence statique, l'inférence dynamique, les tâches TensorFlow distribuées et les TPU. Ce cours a pour objectif d'explorer les caractéristiques d'un bon système de ML, au-delà de sa capacité à effectuer des prédictions correctes.
En savoir plus
This course provides an iterative approach to plan, build, launch, and grow a modern, scalable, mature analytics ecosystem and data culture in an organization that consistently achieves established business outcomes. Users will also learn how to design and build a useful, easy-to-use dashboard in Looker. It assumes experience with everything covered in our Getting Started with Looker and Building Reports in Looker courses.
En savoir plus
In this course, we’ll show you how organizations are aligning their BI strategy to most effectively achieve business outcomes with Looker. We'll follow four iterative steps: Plan, Build, Launch, Grow, and provide resources to take into your own services delivery to build Looker with the goal of achieving business outcomes.
En savoir plus
By the end of this course, you should be able to articulate Looker's value propositions and what makes it different from other analytics tools in the market. You should also be able to explain how Looker works, and explain the standard components of successful service delivery.
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
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.
Automate Interactions with Contact Center AI
Earned août 31, 2023 EDT
DEPRECATED Create Conversational AI Agents with Dialogflow CX
Earned août 31, 2023 EDT
Generative AI Explorer : Vertex AI
Earned août 29, 2023 EDT
CCAI Operations and Implementation
Earned août 15, 2023 EDT
Virtual Agent Development in Dialogflow CX for Software Devs
Earned août 4, 2023 EDT
Virtual Agent Development in Dialogflow CX for Citizen Devs
Earned juil. 27, 2023 EDT
Virtual Agent Development in Dialogflow ES for Software Devs
Earned juil. 26, 2023 EDT
Virtual Agent Development in Dialogflow ES for Citizen Devs
Earned juil. 25, 2023 EDT
Contact Center AI: Conversational Design Fundamentals
Earned juil. 24, 2023 EDT
Delivery Shadowing
Earned juil. 21, 2023 EDT
Case Studies
Earned juil. 21, 2023 EDT
Generative AI Fundamentals
Earned juil. 21, 2023 EDT
Technology + Beyond the UI
Earned juil. 19, 2023 EDT
Préparer des données pour les API de ML sur Google Cloud
Earned juil. 18, 2023 EDT
Technology + Within the UI
Earned juil. 18, 2023 EDT
Explorateur de l'IA générative – Vertex AI
Earned juil. 11, 2023 EDT
Implementing Generative AI with Vertex AI
Earned juil. 5, 2023 EDT
IA responsable : appliquer les principes concernant l'IA avec Google Cloud
Earned juil. 4, 2023 EDT
Introduction à Vertex AI Studio
Earned juin 30, 2023 EDT
Machine Learning Operations (MLOps) : premiers pas
Earned juin 27, 2023 EDT
Recommendation Systems on Google Cloud
Earned juin 27, 2023 EDT
Créer des modèles de création de légendes pour les images
Earned juin 26, 2023 EDT
Modèles Transformer et modèle BERT
Earned juin 23, 2023 EDT
Architecture encodeur/décodeur
Earned juin 21, 2023 EDT
Mécanisme d'attention
Earned juin 21, 2023 EDT
Introduction à la génération d'images
Earned juin 21, 2023 EDT
Generative AI Fundamentals - Français
Earned juin 21, 2023 EDT
Introduction à l'IA responsable
Earned juin 20, 2023 EDT
Présentation des grands modèles de langage
Earned juin 20, 2023 EDT
Présentation de l'IA générative
Earned juin 20, 2023 EDT
Natural Language Processing on Google Cloud
Earned juin 16, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned juin 13, 2023 EDT
Table Calculations, Pivots, and Visualizations
Earned juin 8, 2023 EDT
Building Reports in Looker
Earned juin 7, 2023 EDT
Liquid Templates and Parameters
Earned juin 7, 2023 EDT
Extends to Keep LookML DRY
Earned juin 7, 2023 EDT
Admin Roles and Folder Access
Earned juin 6, 2023 EDT
Version Control and Caching
Earned juin 6, 2023 EDT
The Modern Data Platform and LookML
Earned juin 5, 2023 EDT
Systèmes de machine learning de production
Earned mai 30, 2023 EDT
Driving Data Culture and Designing Dashboards
Earned mai 17, 2023 EDT
Achieving Business Outcomes with Looker
Earned mai 12, 2023 EDT
Looker Explained
Earned mai 9, 2023 EDT
Machine learning au sein de l'entreprise
Earned avr. 5, 2023 EDT
Ingénierie des caractéristiques
Earned mars 29, 2023 EDT
Créer, entraîner et déployer des modèles de ML avec Keras sur Google Cloud
Earned mars 28, 2023 EDT
Launching into Machine Learning - Français
Earned mars 23, 2023 EDT
How Google Does Machine Learning - Français
Earned mars 17, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - Français
Earned mars 14, 2023 EDT