Thomas Blackburn
Member since 2022
Bronze League
1600 points
Member since 2022
בקורס הזה נלמד על Generative AI Studio, מוצר ב-Vertex AI שעוזר ליצור אבות טיפוס למודלים של בינה מלאכותית גנרטיבית, כדי להשתמש בהם ולהתאים אותם לפי הצרכים שלכם. באמצעות הדגמה של המוצר עצמו, נלמד מהו Generative AI Studio, מהם הפיצ'רים והאפשרויות שלו, ואיך להשתמש בו. בסוף הקורס יהיה שיעור Lab מעשי לתרגול של מה שנלמד, ובוחן לבדיקת הידע.
בקורס הזה תלמדו איך ליצור מודל הוספת כיתוב לתמונה באמצעות למידה עמוקה (Deep Learning). אתם תלמדו על הרכיבים השונים במודל הוספת כיתוב לתמונה, כמו המקודד והמפענח, ואיך לאמן את המודל ולהעריך את הביצועים שלו. בסוף הקורס תוכלו ליצור מודלים להוספת כיתוב לתמונה ולהשתמש בהם כדי ליצור כיתובים לתמונות
בקורס הזה נציג את הארכיטקטורה של טרנספורמרים ואת המודל של ייצוגים דו-כיווניים של מקודד מטרנספורמרים (BERT). תלמדו על החלקים השונים בארכיטקטורת הטרנספורמר, כמו מנגנון תשומת הלב, ועל התפקיד שלו בבניית מודל BERT. תלמדו גם על המשימות השונות שאפשר להשתמש ב-BERT כדי לבצע אותן, כמו סיווג טקסטים, מענה על שאלות והֶקֵּשׁ משפה טבעית. נדרשות כ-45 דקות כדי להשלים את הקורס הזה.
בקורס נלמד על מנגנון תשומת הלב, שיטה טובה מאוד שמאפשרת לרשתות נוירונים להתמקד בחלקים ספציפיים ברצף הקלט. נלמד איך עובד העיקרון של תשומת הלב, ואיך אפשר להשתמש בו כדי לשפר את הביצועים במגוון משימות של למידת מכונה, כולל תרגום אוטומטי, סיכום טקסט ומענה לשאלות.
רוצים לקבל תג מיומנות? אפשר להשלים את הקורסים Introduction to Generative AI, Introduction to Large Language Models ו-Introduction to Responsible AI. מעבר של המבחן המסכם מוכיח שהבנתם את המושגים הבסיסיים בבינה מלאכותית גנרטיבית. 'תג מיומנות' הוא תג דיגיטלי ש-Google מנפיקה, שמוכיח שאתם מכירים את המוצרים והשירותים של Google Cloud. כדי לשתף את תג המיומנות אפשר להפוך את הפרופיל שלכם לגלוי לכולם ולהוסיף אותו לפרופיל שלכם ברשתות חברתיות.
בקורס הזה לומדים בקצרה על ארכיטקטורת מקודד-מפענח, ארכיטקטורה עוצמתית ונפוצה ללמידת מכונה שמשתמשים בה במשימות של רצף לרצף, כמו תרגום אוטומטי, סיכום טקסט ומענה לשאלות. תלמדו על החלקים השונים בארכיטקטורת מקודד-מפענח, איך לאמן את המודלים האלה ואיך להשתמש בהם. בהדרכה המפורטת המשלימה בשיעור ה-Lab תקודדו ב-TensorFlow תרחיש שימוש פשוט בארכיטקטורת מקודד-מפענח: כתיבת שיר מאפס.
בקורס נלמד על מודלים של דיפוזיה, משפחת מודלים של למידת מכונה שיצרו הרבה ציפיות לאחרונה בתחום של יצירת תמונות. מודלים של דיפוזיה שואבים השראה מפיזיקה, וספציפית מתרמודינמיקה. בשנים האחרונות, מודלים של דיפוזיה הפכו לפופולריים גם בתחום המחקר וגם בתעשייה. מודלים של דיפוזיה עומדים מאחורי הרבה מהכלים והמודלים החדשניים ליצירת תמונות ב-Google Cloud. בקורס הזה נלמד על התיאוריה שמאחורי מודלים של דיפוזיה, ואיך לאמן ולפרוס אותם ב-Vertex AI.
זהו קורס מבוא ממוקד שמטרתו להסביר מהי אתיקה של בינה מלאכותית, למה היא חשובה ואיך Google נוהגת לפי כללי האתיקה של הבינה המלאכותית במוצרים שלה. מוצגים בו גם 7 עקרונות ה-AI של Google.
זהו קורס מבוא ממוקד שבוחן מהם מודלים גדולים של שפה (LLM), איך משתמשים בהם בתרחישים שונים לדוגמה ואיך אפשר לשפר את הביצועים שלהם באמצעות כוונון של הנחיות. הוא גם כולל הסבר על הכלים של Google שיעזרו לכם לפתח אפליקציות בינה מלאכותית גנרטיבית משלכם.
זהו קורס מבוא ממוקד שמטרתו להסביר מהי בינה מלאכותית גנרטיבית, איך משתמשים בה ובמה היא שונה משיטות מסורתיות של למידת מכונה. הוא גם כולל הסבר על הכלים של Google שיעזרו לכם לפתח אפליקציות בינה מלאכותית גנרטיבית משלכם.
Earn a skill badge by completing the Set Up an App Dev Environment on Google Cloud skill badge course, where you learn how to build and connect storage-centric cloud infrastructure using the basic capabilities of the following technologies: Cloud Storage, Identity and Access Management, Cloud Functions, and Pub/Sub.
Google Cloud Fundamentals: Core Infrastructure introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
הקורס בוחן ניהול עלויות, אבטחה ותפעול בענן. ראשית, מוסבר איך עסקים יכולים לרכוש שירותי IT מספק שירותי ענן ולשמר חלק מהתשתית שלהם או לבחור לא לשמר אותה בכלל. שנית, הקורס מתאר איך האחריות על אבטחת נתונים מתחלקת בין ספק שירותי הענן לעסק, וסוקר את אבטחת ההגנה לעומק (defense-in-depth) שמובנית ב-Google Cloud. לבסוף, הקורס מתייחס לכך שצוותי IT ומנהלי העסק צריכים לשנות את החשיבה על ניהול משאבי IT בענן, ונוגע באופן שבו כלי ניטור המשאבים ב-Google Cloud יכולים לסייע להם לשמור על שליטה וניראות בסביבת הענן שלהם.
בארגונים מסורתיים רבים משתמשים במערכות ובאפליקציות מדורות קודמים, וקשה לבצע באמצעותן התאמה לעומס ופעולות מהירות הדרושות כדי לעמוד בציפיות מודרניות של לקוחות. מנהיגים עסקיים וקובעי מדיניות IT צריכים כל הזמן לבחור בין תחזוקה של מערכות מדורות קודמים לבין השקעה במוצרים ובשירותים חדשים. בקורס הזה נבחן את האתגרים הנובעים משימוש בתשתית IT מיושנת, ואיך בעלי עסקים יכולים לבצע מודרניזציה של תשתיות בעזרת טכנולוגיית ענן. הקורס מתחיל בהבנה מעמיקה של אפשרויות המחשוב השונות הזמינות בענן ופירוט היתרונות של כל אחת מהאפשרויות. לאחר מכן נבחן את האפשרויות למודרניזציה של האפליקציות ושל ממשקי API (ממשק תכנות יישומים). בקורס מתוארים גם מגוון פתרונות של Google Cloud שיכולים לשפר את תהליך פיתוח המערכות וניהולן בעסקים שונים, כמו Compute Engine, App Engine ו-Apigee.
טכנולוגיית הענן לבדה מספקת לעסק חלק קטן בלבד מהערך האמיתי שלה. כשהיא משולבת עם נתונים בנפח רב מאוד, נוצרת העוצמה שמאפשרת להפיק ערך וליצור חוויות חדשות ללקוחות. במסגרת הקורס הזה תלמדו מהם נתונים, איך השתמשו בהם בעבר בחברות לצורך קבלת החלטות ולמה הם קריטיים כל כך ללמידה חישובית. בנוסף, בקורס הזה יוצגו ללומדים מושגים טכניים כמו נתונים מובְנים ולא מובְנים, מסד נתונים, מחסן נתונים (data warehouse) ואגמי נתונים (data lakes). בהמשך, הקורס יעסוק במוצרי Google Cloud הנפוצים ביותר בתחום הנתונים, ובמוצרים כאלה ששיעור השימוש בהם גדל במהירות הרבה ביותר.
מהי טכנולוגיית ענן ומהו מדע הנתונים? וחשוב יותר, איך הם יכולים לעזור לכם, לצוות שלכם ולעסק שלכם? קורס המבוא הזה בנושא טרנספורמציה דיגיטלית מתאים למי שרוצה ללמוד על טכנולוגיית הענן כדי להתמקצע ולהצטיין בעבודתו וכדי לעזור בפיתוח העתיד של העסק. בקורס יוגדרו מונחי יסוד כגון הענן, נתונים וטרנספורמציה דיגיטלית. בנוסף, נבחן דוגמאות של חברות מרחבי העולם שמשתמשות בטכנולוגיית הענן כדי לבצע טרנספורמציה בעסק. הקורס כולל סקירה של סוגי ההזדמנויות שיש לחברות ושל האתגרים הנפוצים שחברות מתמודדות איתם במהלך טרנספורמציה דיגיטלית. הקורס גם מדגים איך עמודי התווך של פתרונות Google Cloud יכולים לעזור בתהליך. חשוב לומר: טרנספורמציה דיגיטלית לא קשורה רק לשימוש בטכנולוגיות חדשות. כדי הטרנספורמציה תהיה מלאה, ארגונים צריכים גם ליישם חדשנות ולפתח דפוס חשיבה שמקדם חדשנות בכל התחומים והצוותים. השיטות המומלצות המתוארות בקורס יעזרו לכם להשיג את המטרה הזו.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
In this introductory-level course, you get hands-on practice with the Google Cloud’s fundamental tools and services. Optional videos are provided to provide more context and review for the concepts covered in the labs. Google Cloud Essentials is a recommendeded first course for the Google Cloud learner - you can come in with little or no prior cloud knowledge, and come out with practical experience that you can apply to your first Google Cloud project. From writing Cloud Shell commands and deploying your first virtual machine, to running applications on Kubernetes Engine or with load balancing, Google Cloud Essentials is a prime introduction to the platform’s basic features.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
If you are a novice cloud developer looking for hands-on practice beyond Google Cloud Essentials, this course is for you. You will get practical experience through labs that dive into Cloud Storage and other key application services like Monitoring and Cloud Functions. You will develop valuable skills that are applicable to any Google Cloud initiative. 1-minute videos walk you through key concepts for these labs.
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.