Introducción al curso. Definir el objetivo del curso. Reconocer los objetivos del curso. Fundamentos de IA. Reconocer el marco de IA/ML en Google Cloud. Identificar los componentes principales de la infraestructura de Google Cloud. Definir los datos y productos de ML en Google Cloud y cómo respaldan el ciclo de vida de datos a IA. Crear un modelo de ML con BigQueryML para incorporar datos a IA. Opciones de desarrollo de IA. Definir diferentes opciones para crear un modelo de ML en Google Cloud. Reconocer las características principales y las situaciones aplicables de los API preentrenados, AutoML y el entrenamiento personalizado. Usar el lenguaje natural API para analizar texto. Flujo de trabajo de desarrollo de IA. Definir el flujo de trabajo para crear un modelo de ML. Describir MLOps y la automatización del flujo de trabajo en Google Cloud. Crear un modelo de ML de principio a fin utilizando AutoML en Verex AI. IA generativa. Definir la IA generativa y sus fundamentos. modelos. Utilice Gemini multimodal con Verex AI Studio. Diseñe modelos eficientes de indicaciones y ajuste con diferentes métodos. Reconozca las soluciones de IA y las características integradas de Gen AI.

Desarrolladores profesionales de IA, científicos de datos e ingenieros de ML que quieran crear proyectos de IA predictiva y generativa en Google Cloud. Requisitos previos: Conocimientos básicos de los conceptos de Machine Learning. Experiencia previa con lenguajes de programación como SQL y Python.