Partecipa Accedi

Sudhanshu .

Membro dal giorno 2022

Campionato Bronzo

10725 punti
Machine Learning Operations (MLOps): Getting Started Earned feb 8, 2024 EST
Machine learning in azienda Earned feb 6, 2024 EST
Feature engineering Earned gen 5, 2024 EST
Crea, addestra ed esegui il deployment di modelli ML tramite Keras su Google Cloud Earned dic 26, 2023 EST
Launching into Machine Learning - Italiano Earned ott 5, 2023 EDT
Introduzione all'AI e al machine learning su Google Cloud Earned set 29, 2023 EDT
How Google Does Machine Learning Earned ago 5, 2023 EDT
Architecting with Google Kubernetes Engine: Workloads - Italiano Earned mag 9, 2023 EDT
Architecting with Google Kubernetes Engine: Production - Italiano Earned mag 1, 2023 EDT
Progettazione dell'architettura con Google Kubernetes Engine: fondamenti Earned apr 29, 2023 EDT
Introduzione a Google Kubernetes Engine Earned apr 29, 2023 EDT
Infrastruttura Google Cloud elastica: scalabilità e automazione Earned apr 22, 2023 EDT
Infrastruttura Google Cloud di base: servizi principali Earned apr 17, 2023 EDT
Infrastruttura Google Cloud di base: fondamenti Earned apr 15, 2023 EDT
Google Cloud Fundamentals: Core Infrastructure - Italiano Earned apr 11, 2023 EDT
Serverless Data Processing with Dataflow: Foundations Earned feb 27, 2023 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - Italiano Earned feb 27, 2023 EST
Creazione di sistemi di analisi dei flussi di dati resilienti su Google Cloud Earned feb 25, 2023 EST
Modernizzazione di data lake e data warehouse con Google Cloud Earned gen 25, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - Italiano Earned nov 15, 2022 EST

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.

Scopri di più

Questo corso adotta un approccio pratico reale al flusso di lavoro ML attraverso un case study. Un team ML è chiamato a rispondere a numerosi requisiti aziendali e ad affrontare vari casi d'uso ML. Deve comprendere gli strumenti necessari per la gestione e la governance dei dati e considerare l'approccio migliore per la pre-elaborazione dei dati. Al team vengono presentate tre opzioni per creare modelli ML per due casi d'uso. Il corso spiega perché il team utilizzerà AutoML, BigQuery ML o l'addestramento personalizzato per raggiungere i propri obiettivi.

Scopri di più

Questo corso illustra i vantaggi dell'utilizzo di Vertex AI Feature Store, come migliorare l'accuratezza dei modelli di ML e come trovare le colonne di dati che forniscono le caratteristiche più utili. Il corso include inoltre contenuti e lab sul feature engineering utilizzando BigQuery ML, Keras e TensorFlow.

Scopri di più

Questo corso tratta la creazione di modelli ML con TensorFlow e Keras, il miglioramento dell'accuratezza dei modelli ML e la scrittura di modelli ML per l'uso su larga scala.

Scopri di più

Il corso inizia con una discussione sui dati: come migliorare la qualità dei dati ed eseguire analisi esplorative dei dati. Descriveremo Vertex AI AutoML e come creare, addestrare ed eseguire il deployment di un modello di ML senza scrivere una sola riga di codice. Comprenderai i vantaggi di Big Query ML. Discuteremo quindi di come ottimizzare un modello di machine learning (ML) e di come la generalizzazione e il campionamento possano aiutare a valutare la qualità dei modelli di ML per l'addestramento personalizzato.

Scopri di più

Questo corso presenta le offerte di intelligenza artificiale (AI) e machine learning (ML) su Google Cloud per la creazione di progetti di AI predittiva e generativa. Esplora le tecnologie, i prodotti e gli strumenti disponibili durante tutto il ciclo di vita data-to-AI, includendo le basi, lo sviluppo e le soluzioni di AI. Ha lo scopo di aiutare data scientist, sviluppatori di AI e ML engineer a migliorare le proprie abilità e conoscenze attraverso attività di apprendimento coinvolgenti ed esercizi pratici.

Scopri di più

This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.

Scopri di più

In questo corso, "Architecting with Google Kubernetes Engine: Workloads", imparerai come eseguire le operazioni Kubernetes, creare e gestire i deployment, quali sono gli strumenti di networking di GKE e come fornire archiviazione permanente ai tuoi carichi di lavoro Kubernetes. Questo è il secondo corso della serie Architecting with Google Kubernetes Engine. Dopo il completamento di questo corso, iscriviti al corso Reliable Google Cloud Infrastructure: Design and Process o al corso Hybrid Cloud Infrastructure Foundations with Anthos.

Scopri di più

In questo corso, "Architecting with Google Kubernetes Engine: Production", imparerai a conoscere la sicurezza di Kubernetes e Google Kubernetes Engine (GKE), logging e monitoraggio e a utilizzare i servizi di archiviazione e database gestiti di Google Cloud dall'interno di GKE. Si tratta del corso finale della serie Architecting with Google Kubernetes Engine. Dopo il completamento di questo corso, iscriviti al corso Reliable Google Cloud Infrastructure: Design and Process o al corso Hybrid Cloud Infrastructure Foundations with Anthos.

Scopri di più

In questo corso, "Progettazione dell'architettura con Google Kubernetes Engine: fondamenti", troverai un ripasso del layout e dei principi di Google Cloud, seguito da un'introduzione alla creazione e alla gestione dei container software, nonché all'architettura di Kubernetes.

Scopri di più

Ti diamo il benvenuto nel corso Introduzione a Google Kubernetes Engine. Se ti interessa Kubernetes, un livello software che si trova tra le tue applicazioni e la tua infrastruttura hardware, allora sei nel posto giusto. Google Kubernetes Engine ti offre Kubernetes come servizio gestito su Google Cloud. L'obiettivo di questo corso è illustrare le nozioni di base di Google Kubernetes Engine, o GKE, come viene comunemente chiamato, e come containerizzare le applicazioni e farle funzionare su Google Cloud. Il corso inizia con un'introduzione di base a Google Cloud, seguita da una panoramica dei container e di Kubernetes, dell'architettura di Kubernetes e delle operazioni di Kubernetes.

Scopri di più

Questo corso accelerato on demand illustra ai partecipanti l'infrastruttura completa e flessibile e i servizi di piattaforma forniti da Google Cloud. Attraverso una combinazione di videolezioni, demo e lab pratici, i partecipanti potranno esplorare gli elementi delle soluzioni, tra cui interconnessione sicura delle reti, bilanciamento del carico, scalabilità automatica, automazione dell'infrastruttura e servizi gestiti.

Scopri di più

Questo corso accelerato on demand illustra ai partecipanti l'infrastruttura e i servizi di piattaforma flessibili e completi di Google Cloud con particolare attenzione a Compute Engine. Attraverso una combinazione di videolezioni, demo e lab pratici, i partecipanti potranno esplorare gli elementi delle soluzioni, tra cui i componenti dell'infrastruttura come reti, sistemi e servizi per applicazioni, ed eseguirne il deployment. Questo corso tratta inoltre del deployment di soluzioni pratiche quali, ad esempio, chiavi di crittografia fornite dal cliente, gestione di sicurezza e accessi, quote e fatturazione, monitoraggio delle risorse.

Scopri di più

Questo corso accelerato on demand illustra ai partecipanti l'infrastruttura e i servizi di piattaforma flessibili e completi di Google Cloud con particolare attenzione a Compute Engine. Attraverso una combinazione di videolezioni, demo e lab pratici, i partecipanti potranno esplorare gli elementi delle soluzioni, tra cui i componenti dell'infrastruttura come reti, macchine virtuali e servizi per applicazioni, ed eseguirne il deployment. Imparerai a utilizzare Google Cloud mediante la console e Cloud Shell. Scoprirai inoltre il ruolo del Cloud Architect, gli approcci alla progettazione dell'infrastruttura e la configurazione del networking virtuale con VPC (Virtual Private Cloud), progetti, reti, subnet, indirizzi IP, route e regole firewall.

Scopri di più

Google Cloud Fundamentals: Core Infrastructure introduce concetti e terminologia importanti per lavorare con Google Cloud. Attraverso video e lab pratici, questo corso presenta e confronta molti dei servizi di computing e archiviazione di Google Cloud, insieme a importanti strumenti di gestione delle risorse e dei criteri.

Scopri di più

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.

Scopri di più

L'integrazione del machine learning nelle pipeline di dati aumenta la capacità di estrarre insight dai dati. Questo corso illustra i modi in cui il machine learning può essere incluso nelle pipeline di dati su Google Cloud. Per una personalizzazione minima o nulla, il corso tratta di AutoML. Per funzionalità di machine learning più personalizzate, il corso introduce Notebooks e BigQuery Machine Learning (BigQuery ML). Inoltre, il corso spiega come mettere in produzione soluzioni di machine learning utilizzando Vertex AI.

Scopri di più

L'elaborazione dei flussi di dati sta diventando sempre più diffusa poiché la modalità flusso consente alle aziende di ottenere parametri in tempo reale sulle operazioni aziendali. Questo corso tratta la creazione di pipeline di dati in modalità flusso su Google Cloud. Pub/Sub viene presentato come strumento per la gestione dei flussi di dati in entrata. Il corso spiega anche come applicare aggregazioni e trasformazioni ai flussi di dati utilizzando Dataflow e come archiviare i record elaborati in BigQuery o Bigtable per l'analisi. Gli studenti acquisiranno esperienza pratica nella creazione di componenti della pipeline di dati in modalità flusso su Google Cloud utilizzando QwikLabs.

Scopri di più

I due componenti chiave di qualsiasi pipeline di dati sono costituiti dai data lake e dai data warehouse. In questo corso evidenzieremo i casi d'uso per ogni tipo di spazio di archiviazione e approfondiremo i dettagli tecnici delle soluzioni di data lake e data warehouse disponibili su Google Cloud. Inoltre, descriveremo il ruolo di un data engineer, illustreremo i vantaggi di una pipeline di dati di successo per le operazioni aziendali ed esamineremo i motivi per cui il data engineering dovrebbe essere eseguito in un ambiente cloud. Questo è il primo corso della serie Data engineering su Google Cloud. Dopo il completamento di questo corso, iscriviti al corso Creazione di pipeline di dati in batch su Google Cloud.

Scopri di più

Questo corso presenta i prodotti e i servizi per big data e di machine learning di Google Cloud che supportano il ciclo di vita dai dati all'IA. Esplora i processi, le sfide e i vantaggi della creazione di una pipeline di big data e di modelli di machine learning con Vertex AI su Google Cloud.

Scopri di più