Приєднатися Увійти

Jordan Victor Scher

Учасник із 2024

Діамантова ліга

Кількість балів: 41710
Create Generative AI Apps on Google Cloud Earned бер. 11, 2025 EDT
Принципи відповідального використання ШІ для розробників: конфіденційність і безпека Earned бер. 11, 2025 EDT
Machine Learning Operations (MLOps) with Vertex AI: Model Evaluation Earned бер. 11, 2025 EDT
Принципи відповідального використання ШІ для розробників: інтерпретованість і прозорість Earned лют. 28, 2025 EST
Принципи відповідального використання ШІ для розробників: об’єктивність і упередженість Earned лют. 28, 2025 EST
Introduction to Generative AI - Українська Earned лют. 21, 2025 EST
Introduction to Large Language Models - Українська Earned лют. 21, 2025 EST
Machine Learning Operations (MLOps) for Generative AI Earned лют. 21, 2025 EST
Working with Notebooks in Vertex AI Earned лют. 21, 2025 EST
Introduction to AI and Machine Learning on Google Cloud Earned лют. 20, 2025 EST
Build a Certification Study Guide: PMLE Earned лют. 13, 2025 EST
Responsible AI: Applying AI Principles with Google Cloud - Yкраїнська Earned січ. 14, 2025 EST
Підготовка даних для інтерфейсів API машинного навчання в Google Cloud Earned жовт. 11, 2024 EDT
Engineer Data for Predictive Modeling with BigQuery ML Earned жовт. 10, 2024 EDT
Build a Data Warehouse with BigQuery Earned жовт. 10, 2024 EDT
Створення сітки даних за допомогою Dataplex Earned жовт. 5, 2024 EDT
Preparing for your Professional Data Engineer Journey Earned жовт. 2, 2024 EDT
Serverless Data Processing with Dataflow: Operations Earned вер. 29, 2024 EDT
Serverless Data Processing with Dataflow: Develop Pipelines Earned вер. 29, 2024 EDT
Serverless Data Processing with Dataflow: Foundations Earned вер. 8, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned вер. 7, 2024 EDT
Build Streaming Data Pipelines on Google Cloud Earned вер. 3, 2024 EDT
Build Batch Data Pipelines on Google Cloud Earned серп. 31, 2024 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned серп. 25, 2024 EDT

Generative AI applications can create new user experiences that were nearly impossible before the invention of large language models (LLMs). As an application developer, how can you use generative AI to build engaging, powerful apps on Google Cloud? In this course, you'll learn about generative AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs. You'll learn about a production-ready architecture that can be used for generative AI applications and you'll build an LLM and RAG-based chat application.

Докладніше

Під час цього курсу ви ознайомитеся з важливими темами, що стосуються конфіденційності й безпеки в системах ШІ. Ви дізнаєтеся про практичні методи й інструменти, які дають змогу застосувати рекомендації щодо конфіденційності й безпеки в системах ШІ за допомогою продуктів Google Cloud і інструментів із відкритим кодом.

Докладніше

This course equips machine learning practitioners with the essential tools, techniques, and best practices for evaluating both generative and predictive AI models. Model evaluation is a critical discipline for ensuring that ML systems deliver reliable, accurate, and high-performing results in production. Participants will gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks. The course will emphasize the unique challenges posed by generative AI models and provide strategies for tackling them effectively. By leveraging Google Cloud's Vertex AI platform, participants will learn how to implement robust evaluation processes for model selection, optimization, and continuous monitoring.

Докладніше

У цьому курсі розглядаються поняття інтерпретованості й прозорості штучного інтелекту, а також їх важливість для розробників. Ви дізнаєтеся про практичні методи й інструменти, які дають змогу досягти інтерпретованості й прозорості даних і моделей штучного інтелекту.

Докладніше

Під час цього курсу ви зможете ознайомитися з концепціями відповідального підходу й принципами щодо штучного інтелекту. Ви дізнаєтеся про практичні методи виявлення об’єктивності й упередженості в роботі ШІ та технологій машинного навчання, а також ознайомитеся зі способами мінімізувати упередженість. У курсі розглядаються практичні методи й інструменти для впровадження відповідального підходу до ШІ за допомогою продуктів Google Cloud і інструментів із відкритим кодом.

Докладніше

Це ознайомлювальний курс мікронавчання, який має пояснити, що таке генеративний штучний інтелект, як він використовується й чим відрізняється від традиційних методів машинного навчання. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучногоінтелекту.

Докладніше

У цьому ознайомлювальному курсі мікронавчання ви дізнаєтеся, що таке великі мовні моделі, де вони використовуються і як підвищити їх ефективність коригуванням запитів. Він також охоплює інструменти Google, які допоможуть вам створювати власні додатки на основі генеративного штучного інтелекту.

Докладніше

This course is dedicated to equipping you with the knowledge and tools needed to uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and exploring how Vertex AI empowers AI teams to streamline MLOps processes and achieve success in Generative AI projects.

Докладніше

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.

Докладніше

This course introduces Google Cloud's AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects. It explores the various technologies, products, and tools available throughout the data-to-AI lifecycle, empowering data scientists, AI developers, and ML engineers to enhance their expertise through interactive exercises.

Докладніше

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.

Докладніше

Що більше штучний інтелект і машинне навчання використовуються в корпоративних середовищах, то нагальнішою стає потреба розробити принципи відповідального ставлення до них. Однак говорити про принципи відповідального використання штучного інтелекту легше, ніж застосовувати їх на практиці. Цей курс допоможе вам дізнатись, як запровадити відповідальну роботу зі штучним інтелектом у вашій організації. У цьому курсі ви дізнаєтеся про підхід Google Cloud до відповідального використання ШІ, а також отримаєте практичні поради й набудете досвіду, який допоможе вам розробити власний підхід до цього завдання.

Докладніше

Пройдіть вступний кваліфікаційний курс Підготовка даних для інтерфейсів API машинного навчання в Google Cloud, щоб продемонструвати свої навички щодо очистки даних за допомогою сервісу Dataprep by Trifacta, запуску конвеєрів даних у Dataflow, створення кластерів і запуску завдань Apache Spark у Dataproc, а також виклику API машинного навчання, зокрема Cloud Natural Language API, Google Cloud Speech-to-Text API і Video Intelligence API.

Докладніше

Complete the intermediate Engineer Data for Predictive Modeling with BigQuery ML skill badge to demonstrate skills in the following: building data transformation pipelines to BigQuery using Dataprep by Trifacta; using Cloud Storage, Dataflow, and BigQuery to build extract, transform, and load (ETL) workflows; and building machine learning models using BigQuery ML.

Докладніше

Complete the intermediate Build a Data Warehouse with BigQuery skill badge course to demonstrate skills in the following: joining data to create new tables, troubleshooting joins, appending data with unions, creating date-partitioned tables, and working with JSON, arrays, and structs in BigQuery.

Докладніше

Пройдіть вступний кваліфікаційний курс Створення сітки даних за допомогою Dataplex, щоб продемонструвати свої навички створення такої сітки для покращеної безпеки даних, керування ними й пошуку в Google Cloud. Ви потренуєтеся й перевірите свої навички щодо позначення тегами об’єктів, призначення ролей IAM і перевірки якості даних у Dataplex.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше

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.

Докладніше