كورس مجانى مقدم من جوجل لأعداد مهندس الذكاء الأصطناعى

[x32x01]

عند إكمال كل دورة ، يمكنك الحصول على شارة أو شعار لها تثبت انهاءك للدورة بنجاح

Machine Learning Engineer Learning Path​

يقوم مهندس التعلم الآلي بتصميم أنظمة التعلم الآلي وبنائها وإنتاجها وتحسينها وتشغيلها وصيانتها.

محتوى الكورس:

Professional Machine Learning Engineer Study Guide​

تساعد هذه الدورة المتعلمين على إنشاء خطة دراسية لامتحان شهادة PMLE (مهندس التعلم الآلي المحترف). يستكشف المتعلمون اتساع ونطاق المجالات التي يغطيها الامتحان. يقوم المتعلمون بتقييم استعدادهم للامتحان وإنشاء خطة الدراسة الفردية الخاصة بهم.

A Tour of Google Cloud Hands-on Labs​

في هذا المختبر، ستتعرف على ما يلي:
منصة المختبر، وكيفية تحديد السمات الرئيسية لبيئة المختبر
كيفية الوصول إلى وحدة التحكم السحابية باستخدام بيانات اعتماد محددة مشاريع Google Cloud ، وتحديد المفاهيم الخاطئة الشائعة عنها كيفية استخدام قائمة التنقل في السحاب من Google لتحديد أنواع خدمات Google Cloud الأدوار الأساسية، واستخدام خدمة Cloud IAM لفحص الإجراءات المتاحة مستخدمين محددين مكتبة API ، وفحص ميزاتها الرئيسية

Introduction to AI and Machine Learning on Google Cloud​

تقدم هذه الدورة التدريبية عروض الذكاء الاصطناعي والتعلم الآلي (ML) على Google Cloud التي تنشئ مشاريع الذكاء الاصطناعي تنبؤية وتوليدية. يستكشف التقنيات والمنتجات والأدوات المتاحة طوال دورة حياة البيانات إلى الذكاء الاصطناعي ، بما في ذلك الأسس الذكاء الاصطناعي والتطوير والحلول. ويهدف إلى مساعدة علماء البيانات ومطوري الذكاء الاصطناعي ومهندسي التعلم الآلي على تعزيز مهاراتهم ومعرفتهم من خلال إشراك خبرات التعلم والتمارين العملية العملية.

Prepare Data for ML APIs on Google Cloud​

تنظيف البيانات باستخدام Dataprep بواسطة Trifacta، وتشغيل خطوط أنابيب البيانات في Dataflow، وإنشاء مجموعات وتشغيل وظائف Apache Spark في Dataproc، واستدعاء واجهات برمجة تطبيقات ML بما في ذلك واجهة برمجة تطبيقات اللغة الطبيعية السحابية، وواجهة برمجة تطبيقات تحويل الكلام إلى نص من Google Cloud، وواجهة برمجة تطبيقات ذكاء الفيديو.

Working with Notebooks in Vertex AI​

هذه الدورة التدريبية عبارة عن مقدمة لدفاتر ملاحظات Vertex الذكاء الاصطناعي ، وهي بيئات قائمة على دفتر Jupyter توفر نظاما أساسيا موحدا لسير عمل التعلم الآلي بالكامل ، من إعداد البيانات إلى نشر النموذج ومراقبته. تغطي الدورة الموضوعات التالية: (1) الأنواع المختلفة من دفاتر ملاحظات Vertex الذكاء الاصطناعي وميزاتها و (2) كيفية إنشاء وإدارة دفاتر ملاحظات Vertex الذكاء الاصطناعي.

Create ML Models with BigQuery ML​

إنشاء نماذج تعلم الآلة وتقييمها باستخدام BigQuery ML لإجراء تنبؤات بالبيانات.

Engineer Data for Predictive Modeling with BigQuery ML​

إنشاء مسارات تحويل البيانات إلى BigQuery باستخدام Dataprep بواسطة Trifacta؛ استخدام التخزين السحابي وتدفق البيانات وBigQuery لإنشاء مهام سير عمل الاستخراج والتحويل والتحميل (ETL)؛ وبناء نماذج التعلم الآلي باستخدام BigQuery ML.

Feature Engineering​

تستكشف هذه الدورة التدريبية فوائد استخدام Vertex الذكاء الاصطناعي Feature Store، وكيفية تحسين دقة نماذج التعلم الآلي، وكيفية العثور على أعمدة البيانات التي توفر الميزات الأكثر فائدة. تتضمن هذه الدورة أيضا محتوى ومختبرات حول هندسة الميزات باستخدام BigQuery ML و Keras و TensorFlow.

Build, Train and Deploy ML Models with Keras on Google Cloud​

تغطي هذه الدورة التدريبية بناء نماذج ML باستخدام TensorFlow و Keras ، وتحسين دقة نماذج ML وكتابة نماذج ML للاستخدام الموسع.

Production Machine Learning Systems​

يغطي هذا المساق كيفية تنفيذ النكهات المختلفة لأنظمة التعلم الآلي للإنتاج - التدريب الثابت والديناميكي والمستمر. الاستدلال الثابت والديناميكي ؛ والمعالجة الدفعية وعبر الإنترنت. يمكنك الخوض في مستويات تجريد TensorFlow ، والخيارات المختلفة للقيام بالتدريب الموزع ، وكيفية كتابة نماذج التدريب الموزعة باستخدام مقدرات مخصصة.

Machine Learning Operations (MLOps): Getting Started​

تقدم هذه الدورة للمشاركين أدوات MLOps وأفضل الممارسات لنشر أنظمة التعلم الآلي للإنتاج وتقييمها ومراقبتها وتشغيلها على Google Cloud. MLOps هو تخصص يركز على نشر واختبار ومراقبة وأتمتة أنظمة ML في الإنتاج. يستخدم محترفو هندسة التعلم الآلي أدوات للتحسين المستمر وتقييم النماذج المنشورة. إنهم يعملون مع (أو يمكن أن يكونوا) علماء البيانات ، الذين يطورون النماذج ، لتمكين السرعة والصرامة في نشر أفضل النماذج أداء.

Machine Learning Operations (MLOps) with Vertex AI: Manage Features​

تقدم هذه الدورة للمشاركين أدوات MLOps وأفضل الممارسات لنشر أنظمة التعلم الآلي للإنتاج وتقييمها ومراقبتها وتشغيلها على Google Cloud. MLOps هو تخصص يركز على نشر واختبار ومراقبة وأتمتة أنظمة ML في الإنتاج.
سيحصل المتعلمون على تدريب عملي باستخدام ابتلاع تدفق Vertex الذكاء الاصطناعي Feature Store في طبقة SDK.

Introduction to Generative AI​

هذه دورة تمهيدية للتعلم المصغر تهدف إلى شرح ماهية الذكاء الاصطناعي التوليدية ، وكيف يتم استخدامها ، وكيف تختلف عن طرق التعلم الآلي التقليدية. كما يغطي أدوات Google لمساعدتك في تطوير تطبيقات Gen الذكاء الاصطناعي الخاصة بك.

Introduction to Large Language Models​

هذه دورة تعليمية مصغرة تمهيدية تستكشف ماهية نماذج اللغة الكبيرة (LLM) ، وحالات الاستخدام حيث يمكن استخدامها ، وكيف يمكنك استخدام الضبط الفوري لتحسين أداء LLM. كما يغطي أدوات Google لمساعدتك في تطوير تطبيقات Gen الذكاء الاصطناعي الخاصة بك.

Machine Learning Operations (MLOps) for Generative AI​

هذه الدورة مخصصة لتزويدك بالمعرفة والأدوات اللازمة للكشف عن التحديات الفريدة التي تواجهها فرق MLOps عند نشر وإدارة نماذج الذكاء الاصطناعي التوليدية ، واستكشاف كيفية تمكين Vertex الذكاء الاصطناعي فرق الذكاء الاصطناعي من تبسيط عمليات MLOps وتحقيق النجاح في مشاريع الذكاء الاصطناعي التوليدية.

Machine Learning Operations (MLOps) with Vertex AI: Model Evaluation​

تزود هذه الدورة ممارسي التعلم الآلي بالأدوات والتقنيات الأساسية وأفضل الممارسات لتقييم كل من نماذج الذكاء الاصطناعي التوليدية والتنبؤية. يعد تقييم النموذج تخصصا بالغ الأهمية لضمان أن أنظمة التعلم الآلي تقدم نتائج موثوقة ودقيقة وعالية الأداء في الإنتاج.

ML Pipelines on Google Cloud​

في هذه الدورة ، ستتعلم من مهندسي ومدربي ML الذين يعملون مع أحدث تطوير لخطوط أنابيب ML هنا في Google Cloud. ستغطي الوحدات القليلة الأولى حول TensorFlow Extended (أو TFX) ، وهي منصة التعلم الآلي للإنتاج من Google القائمة على TensorFlow لإدارة خطوط أنابيب ML والبيانات الوصفية. سوف تتعلم عن مكونات خطوط الأنابيب وتنسيق خطوط الأنابيب باستخدام TFX. ستتعلم أيضا كيف يمكنك أتمتة خط الأنابيب الخاص بك من خلال التكامل المستمر والنشر المستمر، وكيفية إدارة بيانات تعريف ML. ثم سنغير التركيز لمناقشة كيف يمكننا أتمتة خطوط أنابيب ML وإعادة استخدامها عبر أطر عمل ML متعددة مثل tensorflow و pytorch و scikit learn و xgboost. ستتعلم أيضا كيفية استخدام أداة أخرى على Google Cloud ، Cloud Composer ، لتنظيم خطوط أنابيب التدريب المستمر. وأخيرا ، سنستعرض كيفية استخدام MLflow لإدارة دورة حياة التعلم الآلي الكاملة.

Build and Deploy Machine Learning Solutions on Vertex AI​

ستتعلم كيفية استخدام منصة Vertex الذكاء الاصطناعي من Google Cloud ، و AutoML ، وخدمات التدريب المخصصة لتدريب نماذج التعلم الآلي وتقييمها وضبطها وشرحها ونشرها.

Create Generative AI Apps on Google Cloud​

في هذه الدورة ، ستتعرف على تطبيقات الذكاء الاصطناعي التوليدية وكيف يمكنك استخدام التصميم الفوري واسترجاع الجيل المعزز (RAG) لإنشاء تطبيقات قوية باستخدام LLMs. ستتعرف على بنية جاهزة للإنتاج يمكن استخدامها لتطبيقات الذكاء الاصطناعي التوليدية وستنشئ تطبيق دردشة قائما على LLM و RAG.

Responsible AI for Developers: Fairness & Bias​

يقدم هذا المساق مفاهيم الذكاء الاصطناعي المسؤولة ومبادئ الذكاء الاصطناعي. وهو يغطي تقنيات لتحديد العدالة والتحيز عمليا والتخفيف من التحيز في ممارسات الذكاء الاصطناعي / ML. يستكشف الأساليب والأدوات العملية لتنفيذ أفضل ممارسات الذكاء الاصطناعي المسؤولة باستخدام منتجات Google Cloud والأدوات مفتوحة المصدر.

Responsible AI for Developers: Interpretability & Transparency​

يقدم هذا المساق مفاهيم الذكاء الاصطناعي التفسير والشفافية. يناقش أهمية الشفافية الذكاء الاصطناعي للمطورين والمهندسين. يستكشف الأساليب والأدوات العملية للمساعدة في تحقيق قابلية التفسير والشفافية في كل من البيانات والنماذج الذكاء الاصطناعي.

Responsible AI for Developers: Privacy & Safety​

يقدم هذا المساق موضوعات مهمة تتعلق بالخصوصية والأمان الذكاء الاصطناعي. يستكشف الأساليب والأدوات العملية لتنفيذ ممارسات الخصوصية والأمان الموصى بها الذكاء الاصطناعي من خلال استخدام منتجات Google Cloud والأدوات مفتوحة المصدر.

رابط الكورس:
https://www.cloudskillsboost.google/paths/17

يوجد امتحان دولي للكورس قيم الاختبار 200 دزلار بشهادة معتمد من جوجل
فقط يمكنك بعد اتمام الكورس التسجيل في الموقع التالي و من هناك يمكنك التسجيل في أي من امتحانات شهادات جوجل المعتمدة
https://cp.certmetrics.com/google/en/home/