Gabung Login

Jordan Victor Scher

Menjadi anggota sejak 2024

Diamond League

41710 poin
Membuat Aplikasi AI Generatif di Google Cloud Earned Mar 11, 2025 EDT
Responsible AI untuk Developer: Privasi & Keamanan Earned Mar 11, 2025 EDT
Machine Learning Operations (MLOps) dengan Vertex AI: Evaluasi Model Earned Mar 11, 2025 EDT
Responsible AI untuk Developer: Penafsiran & Transparansi Earned Feb 28, 2025 EST
Responsible AI untuk Developer: Keadilan & Bias Earned Feb 28, 2025 EST
Pengantar AI Generatif Earned Feb 21, 2025 EST
Pengantar Model Bahasa Besar Earned Feb 21, 2025 EST
Machine Learning Operations (MLOps) untuk AI Generatif Earned Feb 21, 2025 EST
Working with Notebooks in Vertex AI Earned Feb 21, 2025 EST
Pengantar AI dan Machine Learning di Google Cloud Earned Feb 20, 2025 EST
Build a Certification Study Guide: PMLE Earned Feb 13, 2025 EST
Responsible AI: Menerapkan Prinsip AI dengan Google Cloud Earned Jan 14, 2025 EST
Menyiapkan Data untuk ML API di Google Cloud Earned Okt 11, 2024 EDT
Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML Earned Okt 10, 2024 EDT
Membangun Data Warehouse dengan BigQuery Earned Okt 10, 2024 EDT
Membangun Mesh Data dengan Dataplex Earned Okt 5, 2024 EDT
Preparing for your Professional Data Engineer Journey Earned Okt 2, 2024 EDT
Serverless Data Processing with Dataflow: Operations Earned Sep 29, 2024 EDT
Serverless Data Processing with Dataflow: Develop Pipelines Earned Sep 29, 2024 EDT
Serverless Data Processing with Dataflow: Foundations Earned Sep 8, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Sep 7, 2024 EDT
Build Streaming Data Pipelines on Google Cloud Earned Sep 3, 2024 EDT
Build Batch Data Pipelines on Google Cloud Earned Agu 31, 2024 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Agu 25, 2024 EDT

Aplikasi AI generatif dapat mewujudkan pengalaman pengguna baru yang hampir tidak dimungkinkan sebelum ditemukannya model bahasa besar (LLM). Sebagai developer aplikasi, bagaimana cara menggunakan AI generatif untuk membangun aplikasi yang menarik dan canggih di Google Cloud? Dalam kursus ini, Anda akan mempelajari aplikasi AI generatif dan cara Anda dapat menggunakan desain perintah serta retrieval-augmented generation (RAG) untuk membangun aplikasi yang canggih menggunakan LLM. Anda akan mempelajari arsitektur siap produksi yang dapat digunakan untuk aplikasi AI generatif dan Anda akan membangun aplikasi chat LLM berbasis RAG.

Pelajari lebih lanjut

Kursus ini memperkenalkan topik penting tentang privasi dan keamanan AI. Kursus ini mengeksplorasi metode dan alat praktis untuk menerapkan rekomendasi praktik privasi dan keamanan AI melalui penggunaan produk dan alat open source Google Cloud.

Pelajari lebih lanjut

Kursus ini membekali para praktisi machine learning dengan alat, teknik, dan praktik terbaik penting untuk mengevaluasi model AI generatif dan prediktif. Evaluasi model adalah disiplin ilmu yang sangat penting untuk memastikan sistem ML memberikan hasil yang andal, akurat, dan berperforma tinggi dalam produksi. Peserta akan mendapatkan pemahaman yang mendalam mengenai berbagai metrik evaluasi, metodologi, dan penerapannya yang sesuai di berbagai jenis model dan tugas. Kursus ini akan berfokus pada tantangan unik yang dibuat oleh model AI generatif dan memberikan strategi untuk mengatasinya secara efektif. Dengan memanfaatkan platform Vertex AI di Google Cloud, para peserta akan belajar cara mengimplementasikan proses evaluasi yang kuat untuk melakukan pemilihan, pengoptimalan, dan pemantauan berkelanjutan pada model.

Pelajari lebih lanjut

Kursus ini memperkenalkan konsep penafsiran dan transparansi AI. Kursus ini membahas pentingnya transparansi AI bagi developer dan engineer. Kursus ini juga mengeksplorasi metode dan alat praktis untuk membantu mencapai penafsiran dan transparansi, baik dalam model data maupun AI.

Pelajari lebih lanjut

Kursus ini memperkenalkan konsep responsible AI dan prinsip AI. Di dalamnya tercakup teknik untuk secara praktis mengidentifikasi keadilan dan bias serta memitigasi bias dalam praktik AI/ML. Kursus ini juga mengeksplorasi metode dan alat praktis untuk menerapkan praktik terbaik Responsible AI menggunakan produk Google Cloud dan alat open source.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut

Ini adalah kursus pengantar pembelajaran mikro yang membahas definisi model bahasa besar (LLM), kasus penggunaannya, dan cara menggunakan prompt tuning untuk meningkatkan performa LLM. Kursus ini juga membahas beberapa alat Google yang dapat membantu Anda mengembangkan aplikasi AI Generatif Anda sendiri.

Pelajari lebih lanjut

Kursus ini dikhususkan untuk membekali Anda dengan pengetahuan dan alat yang diperlukan guna mengungkap tantangan unik yang dihadapi oleh tim MLOps saat men-deploy dan mengelola model AI Generatif, serta mengeksplorasi cara Vertex AI memberdayakan tim AI dalam menyederhanakan proses MLOps dan mencapai keberhasilan dalam project AI Generatif.

Pelajari lebih lanjut

This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

Pelajari lebih lanjut

Kursus ini memperkenalkan kemampuan AI dan machine learning (ML) Google Cloud, dengan fokus pada pengembangan project AI generatif dan prediktif. Kursus ini akan membahas berbagai teknologi, produk, dan alat yang tersedia di seluruh siklus proses data ke AI, yang memberdayakan data scientist, developer AI, dan engineer ML untuk meningkatkan keahlian mereka melalui latihan interaktif.

Pelajari lebih lanjut

Learn how to use NotebookLM to create a personalized study guide for the Professional Machine Learning Engineer certification exam (PMLE). You'll review NotebookLM features, create a notebook, and use the study guide to practice for a certification exam.

Pelajari lebih lanjut

Seiring semakin meningkatnya penggunaan Kecerdasan Buatan dan Machine Learning di kalangan perusahaan, proses membangunnya secara bertanggung jawab juga menjadi semakin penting. Membicarakan responsible AI mungkin lebih mudah bagi banyak orang daripada mempraktikkannya. Jika Anda tertarik untuk mempelajari cara mengoperasionalkan responsible AI dalam organisasi Anda, kursus ini cocok untuk Anda. Dalam kursus ini, Anda akan mempelajari bagaimana Google Cloud mengoperasionalkan responsible AI, dengan praktik terbaik dan pelajaran yang dapat dipetik. Hal ini berguna sebagai framework bagi Anda untuk membangun pendekatan responsible AI.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Dataproc, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Rekayasa Data untuk Pembuatan Model Prediktif dengan BigQuery ML untuk menunjukkan keterampilan Anda dalam hal berikut: membangun pipeline transformasi data ke BigQuery dengan Dataprep by Trifacta; menggunakan Cloud Storage, Dataflow, dan BigQuery untuk membangun alur kerja ekstrak, transformasi, dan pemuatan (ETL); serta membangun model machine learning menggunakan BigQuery ML.

Pelajari lebih lanjut

Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.

Pelajari lebih lanjut

Selesaikan badge keahlian pengantar Membangun Mesh Data dengan Dataplex untuk menunjukkan keterampilan dalam hal berikut: membuat mesh data dengan Dataplex untuk memfasilitasi keamanan, tata kelola, dan penemuan data di Google Cloud. Anda akan berlatih dan menguji keterampilan Anda dalam memberikan tag pada aset, menetapkan peran IAM, dan menilai kualitas data di Dataplex.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.

Pelajari lebih lanjut

In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut

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.

Pelajari lebih lanjut