Recommendation Systems on Google Cloud
Earned Apr 2, 2024 EDT
Natural Language Processing on Google Cloud
Earned Apr 1, 2024 EDT
Production Machine Learning Systems
Earned Mär 30, 2024 EDT
Machine Learning in the Enterprise
Earned Mär 28, 2024 EDT
Feature Engineering
Earned Mär 26, 2024 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Mär 24, 2024 EDT
Launching into Machine Learning
Earned Mär 20, 2024 EDT
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Mär 7, 2024 EST
In this course, you learn about Cloud Run functions, Google's serverless, fully-managed functions as a service (FaaS) product that lets you implement single-purpose function code that reponds to HTTP requests and events from your cloud infrastructure.
Weitere Informationen
In this course, you learn about containers and how to build, and package container images. The content in this course includes best practices for creating and securing containers, and provides an introduction to Cloud Run and Google Kubernetes Engine for application developers.
Weitere Informationen
In this course, you learn the fundamentals of application development on Google Cloud. You learn best practices for cloud applications, and how to select compute and data options to match your application use cases. You're introduced to generative AI and how it's used to help build applications. You learn about authentication and authorization, application deployment, continuous integration and delivery, and monitoring and performance tuning for your applications running in Google Cloud. Using lectures and hands-on labs, you learn how to get started building and running applications on Google Cloud.
Weitere Informationen
In this course, application developers learn how to design and develop cloud-native applications that seamlessly integrate components from the Google Cloud ecosystem. Through a combination of presentations, demos, and hands-on labs, participants learn how to create repeatable deployments by treating infrastructure as code, choose the appropriate application execution environment for an application, and monitor application performance.
Completing one version of each lab is required. Each lab is available in Node.js. In most cases, the same labs are also provided in Python or Java. You may complete each lab in whichever language you prefer.
Weitere Informationen
In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.
Weitere Informationen
This course introduces you to event-based applications and teaches you how to use service orchestration and choreography to coordinate microservices. Using lectures and hands-on labs, you learn how to use Workflows, Eventarc, Cloud Tasks, and Cloud Scheduler to build microservices applications on Google Cloud.
Weitere Informationen
This course introduces the Cloud Run serverless platform for running applications.
In this course, you learn about the fundamentals of Cloud Run, its resource model and the container lifecycle.
You learn about service identities, how to control access to services, and how to develop and test your
application locally before deploying it to Cloud Run. The course also teaches you how to integrate
with other services on Google Cloud so you can build full-featured applications.
Weitere Informationen
In diesem kurzen Kurs zur Einbindung von Anwendungen mit Gemini 1.0 Pro-Modellen in Google Cloud lernen Sie die Gemini API und die zugehörigen generativen KI-Modelle kennen. Sie erfahren, wie Sie vom Code aus auf Gemini 1.0 Pro und Gemini 1.0 Pro Vision zugreifen. Dabei können Sie die Funktionen der Modelle mithilfe von Text-, Bild- und Videoprompts über eine Anwendung testen.
Weitere Informationen
Mit dem Skill-Logo Kubernetes-Anwendungen in Google Cloud bereitstellen weisen Sie Kenntnisse in folgenden Bereichen nach: Konfigurieren und Erstellen von Docker-Container-Images, Erstellen und Verwalten von Google Kubernetes Engine-Clustern, Verwenden von kubectl für eine effiziente Clusterverwaltung und Bereitstellen von Kubernetes-Anwendungen mit leistungsfähigen Continuous Delivery-Abläufen.
Weitere Informationen
Mit dem Skill-Logo Serverlose Anwendungen in Cloud Run entwickeln weisen Sie Kenntnisse in den folgenden Bereichen nach: Cloud Run für Datenmanagement in Cloud Storage integrieren, mit Cloud Run und Pub/Sub die Architektur von asynchronen, ausfallsicheren Systemen erstellen, REST API-Gateways basierend auf Cloud Run aufbauen und Dienste auf Cloud Run entwickeln und bereitstellen. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über unsere Produkte und Dienste belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Geschäftssituation anzuwenden. Absolvieren Sie eine kursspezifische Aufgabenreihe und die Challenge-Lab-Prüfung, um ein Skill-Logo zu erhalten, das Sie in Ihrem Netzwerk posten können.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Dataproc sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über unsere Produkte und Dienste belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Geschäftssituation anzuwenden. Absolvieren Sie eine kursspezifische Aufgabenreihe und die Challenge-Lab-Prüfung, um ein Skill-Logo zu erhalten, das Sie in Ihrem Netzwerk posten können.
Weitere Informationen
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.
Weitere Informationen
Mit dem Skill-Logo zum Kurs ML-Lösungen mit Vertex AI erstellen und bereitstellen weisen Sie fortgeschrittene Kenntnisse nach. Sie lernen in diesem Kurs, wie Sie die Vertex AI-Plattform von Google Cloud, AutoML und benutzerdefinierte Trainingsdienste nutzen, um Machine-Learning-Modelle zu trainieren, zu bewerten, abzustimmen, zu erklären und bereitzustellen. Dieser Kurs richtet sich an professionelle Data Scientists und Machine Learning Engineers. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über Produkte und Dienste von Google Cloud belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Umgebung anzuwenden. Absolvieren Sie diese Aufgabenreihe und die Challenge-Lab-Prüfung, um ein digitales Abzeichen zu erhalten, das Sie in Ihrem Netzwerk posten können.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Weitere Informationen
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.
Weitere Informationen
In diesem Kurs lernen Sie die KI- und ML-Angebote von Google Cloud für Projekte mit prädiktiver und generativer KI kennen. Dabei werden die Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Der Kurs umfasst KI‑Grundlagen, ‑Entwicklung und ‑Lösungen. Data Scientists, KI-Entwickler und ML-Engineers sollen in diesem Kurs ihre Fähigkeiten und Kenntnisse durch ansprechende Lernangebote sowie praxisorientierte Übungen erweitern.
Developing Applications with Cloud Run Functions on Google Cloud
Earned Aug 29, 2024 EDT
Developing Containerized Applications on Google Cloud
Earned Aug 29, 2024 EDT
Developing Applications with Google Cloud: Foundations
Earned Aug 29, 2024 EDT
App Deployment, Debugging, and Performance
Earned Aug 29, 2024 EDT
Google Cloud-Grundlagen: Kerninfrastruktur
Earned Aug 28, 2024 EDT
Service Orchestration and Choreography on Google Cloud
Earned Aug 28, 2024 EDT
Developing Applications with Cloud Run on Google Cloud: Fundamentals
Earned Aug 28, 2024 EDT
Anwendungen mit Gemini 1.0 Pro in Google Cloud einbinden
Earned Aug 28, 2024 EDT
Kubernetes-Anwendungen in Google Cloud bereitstellen
Earned Aug 27, 2024 EDT
Serverlose Anwendungen in Cloud Run entwickeln
Earned Aug 27, 2024 EDT
Daten für ML-APIs in Google Cloud vorbereiten
Earned Apr 20, 2024 EDT
Computer Vision Fundamentals with Google Cloud
Earned Apr 18, 2024 EDT
ML-Lösungen mit Vertex AI erstellen und bereitstellen
Earned Apr 11, 2024 EDT
Machine Learning Operations (MLOps) with Vertex AI: Manage Features
Earned Apr 4, 2024 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Apr 3, 2024 EDT
Recommendation Systems on Google Cloud
Earned Apr 2, 2024 EDT
Natural Language Processing on Google Cloud
Earned Apr 1, 2024 EDT
Production Machine Learning Systems
Earned Mär 30, 2024 EDT
Machine Learning in the Enterprise
Earned Mär 28, 2024 EDT
Feature Engineering
Earned Mär 26, 2024 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Mär 24, 2024 EDT
Launching into Machine Learning
Earned Mär 20, 2024 EDT
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Mär 7, 2024 EST