01
在 Vertex AI 中使用 Gemini API 执行多模态检索增强生成 (RAG)
在本实验中，您将学习如何在 Vertex AI 中使用 Gemini API 执行多模态检索增强生成 (RAG)。
Google Cloud Next 2025
Get a head start on Google Cloud Next 2025 with a learning path designed for all skill levels. Explore core topics like data analytics, machine learning, and security through hands-on labs, building practical experience and confidence. A great path for developers looking to boost their skills before and after the event.
02
Custom Document Extraction with Document AI Workbench
In this lab, you will create and train a Custom Document Extractor that processes W-2 (US tax form) documents.
03
Vertex AI Studio 使用入门
在本实验中，您将了解如何通过 Vertex AI Studio 来利用 Gemini 的多模态功能创建提示和对话。
04
Gemini 2.0 Flash 简介
在本实验中，您将学习如何将 Vertex AI 中的 Gemini API 以及 Google Gen AI SDK for Python 与 Gemini 2.0 Flash 模型结合使用。
05
使用 Gemini 2.0 生成并执行 Python 代码简介
在本实验中，您将了解如何通过在 Vertex AI 中使用 Gemini API，并使用 Google Gen AI SDK for Python 来调用 Gemini 2.0 Flash 模型，从而生成并执行代码。
06
Introduction to Vertex AI Embeddings: Text and Multimodal
In this lab, you will explore the Vertex AI Embeddings API for both Text and Multimodal (Images and Video) use cases.
07
在 Cloud Run 上构建使用 Gemini API 的聊天应用
在本实验中，您将在 Cloud Run 上构建并部署基于 AI 的聊天应用，该应用将能够利用 Gemini 模型。
08
Build a DIY Multimodal Question Answering System with Vertex AI
In this lab, you will learn how to build a question answering system that understands both text and images with Vertex AI.
09
在 Cloud Run 上部署已集成 Gemini Pro 的 Streamlit 应用
在本实验中，您将学习如何在 Cloud Run 上部署已集成 Gemini Pro 的 Streamlit 应用。
10
使用 SQL 通过 Gemini 分析顾客评价
了解如何在 SQL 中结合使用 BigQuery Machine Learning 和远程模型 (Gemini) 来分析顾客评价。
11
使用 Gemini in BigQuery 进行编码
在本实验中，您将学习如何在 BigQuery 中运用 Gemini 的代码生成、解释和建议功能。
12
使用 Gemini in BigQuery 探索数据
在本实验中，您将了解如何借助 Gemini in BigQuery 使用表探索器和数据分析功能。
13
使用 BigQuery 创建 RAG 应用
在本实验中，您将学习如何使用 Gemini in BigQuery 创建涵盖嵌入、向量搜索和答案生成等任务的 RAG 流水线。
14
Build a BI Dashboard Using Looker Studio and BigQuery
In this lab, you will learn how to build a BI dashboard with Looker Studio as the front end, powered by BigQuery on the back end.
15
Loading Data into Cloud SQL
In this lab, you import data from CSV text files into Cloud SQL and then carry out some basic data analysis using simple queries.
16
Cloud Spanner - Database Fundamentals
In this lab, you perform basic administrative tasks within a Cloud Spanner instance.
17
Migrating to AlloyDB from PostgreSQL Using Database Migration Service
In this lab, you migrate a stand-alone PostgreSQL database (running on a virtual machine) to AlloyDB for PostgreSQL using a continuous Database Migration Service job with VPC peering for connectivity.
18
Debugging Apps on Google Kubernetes Engine
This lab teaches you how logging works on GKE and some best practices for log collection by going through some common logging use cases.
19
Continuous Delivery with Google Cloud Deploy
Create a delivery pipeline using Google Cloud Deploy, create a release for a basic application, and promote the application through a series of Google Kubernetes Engine targets
20
Analyze BigQuery Usage with Log Analytics
Use Log Analytics for in-depth usage logs analysis through SQL querires from the Cloud Logging page.
21
Building a High-throughput VPN
In this lab you learn how to create a secure, high-throughput VPN and test the speed.
22
使用 Kubernetes 编排云
在本实验中，您将学习如何使用 Google Kubernetes Engine 预配一个完整的 Kubernetes 集群、使用 kubectl 部署和管理 Docker 容器，以及使用 Kubernetes 的 Deployment 和 Service 对象将应用分解成多个微服务。
23
Creating Cross-region Load Balancing
This lab demonstrates how to create an HTTP(S) load balanced that forwards traffic to instances in two different regions.
24
使用 Terraform 实现基础设施即代码
在本实操实验中，您将学习如何使用 Terraform 在云环境中构建、更改、预配和销毁基础设施。
25
网络组建和管理基础知识
了解如何设置网络，添加 3 个子网，然后应用防火墙规则。
26
VPC Networking Fundamentals
In this lab you create an auto-mode VPC network with firewall rules and 2 VM instances, then explore the connectivity for the VM instances.
27
使用 Dataflow 和 BigQuery (Python) 在 Google Cloud 上进行 ETL 处理
在本实验中，您将构建几个数据流水线，以便将可公开访问的数据集中的数据注入到 BigQuery 中并进行转换。
28
Gmail Sentiment Analysis with Gemini and Vertex AI
In this lab you build a Google Workspace add-on that uses Gemini and Vertex AI to analyze Gmail sentiment, automatically labeling negative emails for prioritized handling.