Join Sign in

Armielyn Obinguar

Member since 2022

Infrastructure and Application Modernization with Google Cloud - בעברית Earned אוק 28, 2022 EDT
Innovating with Data and Google Cloud - בעברית Earned אוק 28, 2022 EDT
Digital Transformation with Google Cloud - בעברית Earned אוק 27, 2022 EDT
Recommendation Systems on Google Cloud Earned אוג 26, 2022 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud Earned אוג 25, 2022 EDT
Natural Language Processing on Google Cloud Earned אוג 25, 2022 EDT
Machine Learning in the Enterprise Earned אוג 24, 2022 EDT
Production Machine Learning Systems Earned אוג 23, 2022 EDT
Launching into Machine Learning Earned אוג 23, 2022 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud Earned אוג 15, 2022 EDT
How Google Does Machine Learning Earned אוג 9, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals Earned אוג 8, 2022 EDT

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.

Learn more

טכנולוגיית הענן לבדה מספקת לעסק חלק קטן בלבד מהערך האמיתי שלה. כשהיא משולבת עם נתונים בנפח רב מאוד, נוצרת העוצמה שמאפשרת להפיק ערך וליצור חוויות חדשות ללקוחות. במסגרת הקורס הזה תלמדו מהם נתונים, איך השתמשו בהם בעבר בחברות לצורך קבלת החלטות ולמה הם קריטיים כל כך ללמידה חישובית. בנוסף, בקורס הזה יוצגו ללומדים מושגים טכניים כמו נתונים מובְנים ולא מובְנים, מסד נתונים, מחסן נתונים (data warehouse) ואגמי נתונים (data lakes). בהמשך, הקורס יעסוק במוצרי Google Cloud הנפוצים ביותר בתחום הנתונים, ובמוצרים כאלה ששיעור השימוש בהם גדל במהירות הרבה ביותר.

Learn more

מהי טכנולוגיית ענן ומהו מדע הנתונים? וחשוב יותר, איך הם יכולים לעזור לכם, לצוות שלכם ולעסק שלכם? קורס המבוא הזה בנושא טרנספורמציה דיגיטלית מתאים למי שרוצה ללמוד על טכנולוגיית הענן כדי להתמקצע ולהצטיין בעבודתו וכדי לעזור בפיתוח העתיד של העסק. בקורס יוגדרו מונחי יסוד כגון הענן, נתונים וטרנספורמציה דיגיטלית. בנוסף, נבחן דוגמאות של חברות מרחבי העולם שמשתמשות בטכנולוגיית הענן כדי לבצע טרנספורמציה בעסק. הקורס כולל סקירה של סוגי ההזדמנויות שיש לחברות ושל האתגרים הנפוצים שחברות מתמודדות איתם במהלך טרנספורמציה דיגיטלית. הקורס גם מדגים איך עמודי התווך של פתרונות Google Cloud יכולים לעזור בתהליך. חשוב לומר: טרנספורמציה דיגיטלית לא קשורה רק לשימוש בטכנולוגיות חדשות. כדי הטרנספורמציה תהיה מלאה, ארגונים צריכים גם ליישם חדשנות ולפתח דפוס חשיבה שמקדם חדשנות בכל התחומים והצוותים. השיטות המומלצות המתוארות בקורס יעזרו לכם להשיג את המטרה הזו.

Learn more

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

Learn more

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Learn more

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

Learn more

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

Learn more

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Learn more

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Learn more

One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is set up as a workshop and in this workshop, you will do End-to-End Machine Learning with TensorFlow on Google Cloud Platform. It involves building an end-to-end model from data exploration all the way to deploying an ML model and getting predictions from it. This is the first course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Production Machine Learning Systems course.

Learn more

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.

Learn more

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.

Learn more