Amit Paul
Member since 2021
Silver League
16400 points
Member since 2021
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.
This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
Earn the intermediate skill badge by completing the Implement CI/CD Pipelines on Google Cloud course where you will learn how to use Artifact Registry, Cloud Build, and Cloud Deploy. You will interact with the Cloud console, Google Cloud CLI, Cloud Run, and GKE. This course will teach you how to build continuous integration pipelines, store and secure artifacts, scan for vulnerabilities, attest to the validity of approved releases. Additionally, you'll get hands-on experience deploying applications to both GKE and Cloud Run. 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 skillbadge hands-on environment. Complete this skill badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.
This workload aims to upskill Google Cloud partners to perform specific tasks associated with priority workloads. Learners will perform the tasks of migrating workloads from Hadoop environments to corresponding Google Cloud services and hosted products. The following will addressed will be: The Hadoop ecosystem and products Hadoop architecture and post migration architectures to Google Cloud Assessment Data transfer options Workload migrations, namely: Spark to Dataproc Serverless, Apache Oozie to Composer (Airflow), and Hive to BigQuery Security and governance Logging and Monitoring
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 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 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.
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.
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.
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.
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.
The two key components of any data pipeline are data lakes and warehouses. This course highlights use-cases for each type of storage and dives into the available data lake and warehouse solutions on Google Cloud in technical detail. Also, this course describes the role of a data engineer, the benefits of a successful data pipeline to business operations, and examines why data engineering should be done in a cloud environment. This is the first course of the Data Engineering on Google Cloud series. After completing this course, enroll in the Building Batch Data Pipelines on Google Cloud course.