가입 로그인

Akshay Attri

회원 가입일: 2022

브론즈 리그

20159포인트
Reinforcement Learning with Human Feedback (RLHF) Earned 9월 4, 2025 EDT
Improve Performance by Fine-Tuning Foundation Models Earned 9월 4, 2025 EDT
Model evaluation on Vertex AI Earned 9월 1, 2025 EDT
Enterprise Search with Grounding Earned 5월 8, 2024 EDT
머신러닝 작업(MLOps): 시작하기 Earned 5월 3, 2024 EDT
이미지 캡셔닝 모델 만들기 Earned 4월 29, 2024 EDT
어텐션 메커니즘 Earned 4월 20, 2024 EDT
Application Development with Cloud Run Earned 3월 29, 2024 EDT
Build Custom Processors with Document AI Earned 3월 12, 2024 EDT
Google Cloud에서 Kubernetes 애플리케이션 배포하기 Earned 3월 8, 2024 EST
Firebase로 서버리스 앱 개발 Earned 3월 7, 2024 EST
Cloud Run 기반 서버리스 애플리케이션 개발 Earned 3월 7, 2024 EST
App Deployment, Debugging, and Performance Earned 3월 1, 2024 EST

RHLF is a technique for fine-tuning language models by incorporating human feedback into the training process. This course explores how you can use RHLF to improve the performance of language models on various tasks, such as text summarization and question answering.

자세히 알아보기

Model tuning is an effective way to customize large models to your tasks. It's a key step to improve the model's quality and efficiency. Model tuning provides benefits such as higher quality results for your specific tasks and increased model robustness. You learn some of the tuning options available in Vertex AI and when to use them.

자세히 알아보기

This course delves into the complexities of assessing the quality of large language model outputs. It examines the challenges enterprises face due to the subjective and sometimes incorrect nature of LLM responses, including hallucinations and inconsistent results. The course introduces various evaluation metrics for different tasks like classification, text generation, and question answering, such as Accuracy, Precision, Recall, F1 score, ROUGE, BLEU, and Exact Match. It also explores evaluation methods offered by Vertex AI LLM Evaluation Services, including computation-based, autorater, and human evaluation, providing insights into their application and benefits. Finally, the module covers how to unit test LLM applications within Vertex AI.

자세히 알아보기

This course equips students with the knowledge and skills to leverage advanced search engine functionalities beyond basic keyword queries. Through exploring adapters, grounding techniques, and the capabilities of powerful language models, participants will learn to design and implement effective solutions for improved search quality, information relevance, and contextual understanding.

자세히 알아보기

이 과정에서는 Google Cloud에서 프로덕션 ML 시스템 배포, 평가, 모니터링, 운영을 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 머신러닝 엔지니어링 전문가들은 배포된 모델의 지속적인 개선과 평가를 위해 도구를 사용합니다. 이들이 협력하거나 때론 그 역할을 하는 데이터 과학자는 고성능 모델을 빠르고 정밀하게 배포할 수 있도록 모델을 개발합니다.

자세히 알아보기

이 과정에서는 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법을 알아봅니다. 인코더 및 디코더와 모델 학습 및 평가 방법 등 이미지 캡션 모델의 다양한 구성요소에 대해 알아봅니다. 이 과정을 마치면 자체 이미지 캡션 모델을 만들고 이를 사용해 이미지의 설명을 생성할 수 있게 됩니다.

자세히 알아보기

이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.

자세히 알아보기

This course introduces you to fundamentals, practices, capabilities and tools applicable to modern cloud-native application development using Google Cloud Run. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to on Google Cloud using Cloud Run.design, implement, deploy, secure, manage, and scale applications

자세히 알아보기

Earn a skill badge by completing the Build Custom Processors with Document AI course. You learn how to extract data and classify documents by creating custom ML models specific to your business needs. This course teaches the foundation skills of building your own processors, working with optical character recognition, form parsing, processor creation, and uptraining the DocumentAI model.

자세히 알아보기

중급 Google Cloud에서 Kubernetes 애플리케이션 배포하기 기술 배지 과정을 완료하여 Docker 컨테이너 이미지 구성 및 빌드, Google Kubernetes Engine(GKE) 클러스터 생성 및 관리, kubectl을 활용한 효율적인 클러스터 관리, 강력한 지속적 배포(CD) 관행으로 Kubernetes 애플리케이션 배포를 위한 기술을 갖추었음을 입증하세요. 기술 배지는 개인의 Google Cloud 제품 및 서비스 능력에 따라 Google Cloud에서만 독점적으로 발급되는 디지털 배지로, 대화형 실습 환경을 통해 지식을 적용하는 역량을 테스트합니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크와 공유할 수 있는 기술 배지를 받을 수 있습니다.

자세히 알아보기

중급 Firebase로 서버리스 앱 개발 기술 배지 과정을 완료하여 Firebase를 사용한 서버리스 웹 애플리케이션 설계 및 빌드, 데이터베이스 관리에 Firestore 활용, Cloud Build를 사용하여 배포 프로세스 자동화, 애플리케이션에 Google 어시스턴트 기능 통합 등에 관한 기술을 입증하세요. 기술 배지는 Google Cloud 제품 및 서비스 숙련도에 따라 Google Cloud에서 독점적으로 발급하는 디지털 배지로, 기술 배지 과정을 통해 대화형 실습 환경에서 지식을 적용하는 역량을 테스트할 수 있습니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 기술 배지를 받을 수 있습니다.

자세히 알아보기

중급 Cloud Run 기반 서버리스 애플리케이션 개발 기술 배지 과정을 완료하여 데이터 관리를 위한 Cloud Run과 Cloud Storage의 통합, Cloud Run 및 Pub/Sub를 사용하는 복원력 높은 비동기 시스템 설계, Cloud Run 기반 REST API 게이트웨이 구축, Cloud Run 기반 서비스 빌드 및 배포와 관련된 기술 역량을 입증하세요. 기술 배지는 Google Cloud 제품 및 서비스 숙련도에 따라 Google Cloud에서 독점적으로 발급하는 디지털 배지로, 기술 배지 과정을 통해 대화형 실습 환경에서 지식을 적용하는 역량을 테스트할 수 있습니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 기술 배지를 받을 수 있습니다.

자세히 알아보기

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.

자세히 알아보기