加入 登录

Krishna Chaitanya Sabhavathula

成为会员时间：2024

钻石联赛

62020 积分
Google DeepMind：训练小语言模型 Earned Nov 3, 2026 EST
Google DeepMind : 08 Capstone: Develop Your Model for Real-World Impact Earned Nov 3, 2026 EST
Google DeepMind: 07 Accelerate Your Model Earned Nov 3, 2026 EST
Google DeepMind: 05 Fine-Tune Your Model Earned Nov 3, 2026 EST
Google DeepMind: 04 Discover The Transformer Architecture Earned Nov 3, 2026 EST
Google DeepMind: 03 Design And Train Neural Networks Earned Nov 3, 2026 EST
Google DeepMind: 02 Represent Your Language Data Earned Nov 3, 2026 EST
Google DeepMind: 01 Build Your Own Small Language Model Earned Nov 3, 2026 EST
生成式 AI 智能体：助力组织转型 Earned Feb 10, 2026 EST
生成式 AI 应用：改变工作方式 Earned Feb 10, 2026 EST
生成式 AI：全面了解生成式 AI Earned Feb 10, 2026 EST
生成式 AI：剖析基本概念 Earned Feb 10, 2026 EST
生成式 AI：不只是聊天机器人 Earned Feb 10, 2026 EST
面向开发者的 Responsible AI：隐私保护和安全 Earned Feb 10, 2026 EST
Google Cloud 数据分析功能简介 Earned Dec 10, 2025 EST
Google Cloud 重要基础设施：核心服务 Earned May 5, 2025 EDT
Google Cloud 弹性基础设施：扩缩和自动化 Earned May 5, 2025 EDT
Google Kubernetes Engine 使用入门 Earned May 4, 2025 EDT
开发 Google Cloud 网络 Earned May 1, 2025 EDT
Google Cloud 重要基础设施：基础 Earned Apr 26, 2025 EDT
在 Google Cloud 上使用 Terraform 构建基础设施 Earned Apr 25, 2025 EDT
Google Cloud 基础知识：核心基础设施 Earned Apr 25, 2025 EDT
Build a Certification Study Guide: ACE Exam Prep Earned Apr 22, 2025 EDT
Introduction to Data Analytics in Google Cloud Earned Dec 4, 2024 EST
在 Google Cloud 上为机器学习 API 准备数据 Earned Aug 10, 2024 EDT
构建安全的 Google Cloud 网络 Earned Aug 9, 2024 EDT
在 Google Cloud 上设置应用开发环境 Earned Aug 9, 2024 EDT
为 Compute Engine 实现云负载均衡 Earned Aug 9, 2024 EDT
Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI Earned Aug 9, 2024 EDT
Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 Earned Aug 8, 2024 EDT
Google Cloud 云计算基础课程：Google Cloud 中的基础设施 Earned Aug 7, 2024 EDT
使用多模态 Gemini 和多模态 RAG 检查富文档 Earned Aug 7, 2024 EDT
面向开发者的 Responsible AI：公平性与偏见 Earned Aug 6, 2024 EDT
矢量搜索和嵌入 Earned Aug 6, 2024 EDT
Transformer 模型和 BERT 模型 Earned Aug 6, 2024 EDT
编码器-解码器架构 Earned Aug 6, 2024 EDT
注意力机制 Earned Aug 6, 2024 EDT
图像生成简介 Earned Aug 6, 2024 EDT
创建图片标注模型 Earned Aug 5, 2024 EDT
Vertex AI Studio 简介 Earned Aug 5, 2024 EDT
面向开发者的 Responsible AI：可解释性和透明度 Earned Aug 5, 2024 EDT
适用于生成式 AI 的机器学习运维 (MLOps) Earned Aug 5, 2024 EDT
使用 Gemini 和 Streamlit 开发生成式 AI 应用 Earned Aug 5, 2024 EDT
[DEPRECATED] 适用于端到端 SDLC 的 Gemini Earned Aug 5, 2024 EDT
[DEPRECATED] 适用于 DevOps 工程师的 Gemini Earned Aug 5, 2024 EDT
[DEPRECATED] 适用于安全工程师的 Gemini Earned Aug 4, 2024 EDT
[DEPRECATED] 适用于网络工程师的 Gemini Earned Aug 4, 2024 EDT
[DEPRECATED] 面向数据科学家和分析师的 Gemini Earned Aug 4, 2024 EDT
[DEPRECATED] 适用于云架构师的 Gemini Earned Aug 3, 2024 EDT
[DEPRECATED] 适用于应用开发者的 Gemini Earned Aug 3, 2024 EDT
Google Cloud 云计算基础课程：云计算基础知识 Earned Aug 2, 2024 EDT
Responsible AI: 和 Google Cloud 一起践行 AI 原则 Earned Aug 1, 2024 EDT
在 Agent Platform 中设计提示 Earned Aug 1, 2024 EDT
负责任的 AI 简介 Earned Aug 1, 2024 EDT
大型语言模型简介 Earned Aug 1, 2024 EDT
生成式 AI 简介 Earned Aug 1, 2024 EDT

完成本课程，赢取 Google DeepMind：训练小语言模型高级技能徽章，展示您在以下方面的技能： 提出实际的语言模型研究问题；构建一个简单的词元化器；制作用于训练 Transformer 语言模型的数据集；运行小语言模型的训练循环。 注册免费订阅，即可免费访问此实验。每月可免费获得 35 个点数！

了解详情

In this Google DeepMind course, you will complete a capstone project that brings together the technical knowledge, ethical awareness, and creative problem-solving skills that you have developed throughout the Google DeepMind: AI Research Foundations curriculum. You will apply what you have learned to a problem of your choosing. You will first plan your project to ensure that you are clear on your project aims and intended impact. You will then collect and prepare data for your model. Finally, you will implement a full fine-tuning workflow using Gemma 3 with low-rank adaptation (LoRA) and evaluate its performance. You will receive guidance, but the emphasis will be on adaptation and experimentation - skills that are essential for applied AI research.

了解详情

Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.

了解详情

Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.

了解详情

In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.

了解详情

In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.

了解详情

In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.

了解详情

In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.

了解详情

“生成式 AI 智能体：助力组织转型”是“Gen AI Leader”学习路线中的第五门课程，也是最后一门课程。本课程探讨了组织如何使用量身定制的生成式 AI 智能体，帮助应对特定的业务挑战。您将亲自动手构建一个基本的生成式 AI 智能体，并探索这些智能体的组成部分，例如模型、推理循环以及各种工具。

了解详情

“生成式 AI 应用：改变工作方式”是 Generative AI Leader 学习路线的第四门课程。本课程介绍 Google 的生成式 AI 应用，例如 Gemini for Workspace 和 NotebookLM。它将引导您逐一了解接地、检索增强生成、构建有效提示和构建自动化工作流等概念。

了解详情

“生成式 AI：全面了解生成式 AI”是“Gen AI Leader”学习路线中的第三门课程。生成式 AI 正在改变我们的工作方式以及与世界的互动方式。作为领导者，应该如何利用生成式 AI 来推动实际业务成果？在本课程中，您将探索构建生成式 AI 解决方案的不同层级、Google Cloud 的产品/服务，以及选择解决方案时需要考虑的因素。

了解详情

生成式 AI：剖析基本概念是“Gen AI Leader”学习路线的第二门课程。在本课程中，您将探索 AI、机器学习和生成式 AI 之间的差异，了解各种数据类型如何赋能生成式 AI 来应对业务挑战，从而了解生成式 AI 的基本概念。您还将深入了解 Google Cloud 应对基础模型局限性的策略，以及负责任和安全的 AI 开发与部署面临哪些关键挑战。

了解详情

生成式 AI：不只是聊天机器人是 Gen AI Leader 学习路线的第一门课程，没有前提条件要求。本课程旨在带您超越对聊天机器人的浅层认知，深入挖掘生成式 AI 为您的组织带来的真正潜力。您将探索基础模型和提示工程等概念，它们对于利用生成式 AI 的强大功能至关重要。本课程还将提供指导，让您了解在为组织制定成功的生成式 AI 策略时，应考虑哪些重要因素。

了解详情

本课程介绍 AI 隐私保护和安全方面的重要主题，还将探索使用 Google Cloud 产品和开源工具实施建议的 AI 隐私保护和安全实践的实用方法和工具。

了解详情

本课程是 Google Cloud 数据分析认证的第一门课程（共五门）。在本课程中，您将认识云数据分析领域，并了解云数据分析师在数据获取、存储、处理和可视化方面的角色和职责。您将探索 BigQuery 和 Cloud Storage 等基于 Google Cloud 的工具的架构，以及如何使用这些工具有效地设计数据结构，以及展示和报告数据。

了解详情

这门自助式速成课程向学员介绍 Google Cloud 提供的灵活全面的基础架构和平台服务，着重介绍了 Compute Engine。学员将通过一系列视频讲座、演示和动手实验，探索和部署各种解决方案元素，包括网络、系统和应用服务等基础架构组件。本课程的内容还包括如何部署实用的解决方案，包括客户提供的加密密钥、安全和访问权限管理、配额和结算，以及资源监控。

了解详情

这是一套自助式速成课程，向学员介绍 Google Cloud 提供的灵活全面的基础架构和平台服务。学员将通过一系列视频讲座、演示和实操实验，探索和部署各种解决方案元素，包括安全互连网络、负载均衡、自动扩缩、基础架构自动化和代管式服务。

了解详情

欢迎学习“Google Kubernetes Engine 使用入门”课程。Kubernetes 是位于应用和硬件基础架构之间的软件层，如果您对 Kubernetes 感兴趣，那就来对地方了！Google Kubernetes Engine 将 Kubernetes 作为 Google Cloud 上的代管式服务提供给您使用。 本课程的目标是介绍 Google Kubernetes Engine（通常称为 GKE）的基础知识，以及将应用容器化并在 Google Cloud 中运行的方法。本课程首先介绍 Google Cloud 的基础知识，然后概述容器、Kubernetes、Kubernetes 架构以及 Kubernetes 操作。

了解详情

完成开发 Google Cloud 网络课程，赢取技能徽章。在此课程中，您将学习 部署和监控应用的多种方法，包括执行以下任务的方法：探索 IAM 角色并添加/移除 项目访问权限、创建 VPC 网络、部署和监控 Compute Engine 虚拟机、 编写 SQL 查询、在 Compute Engine 中部署和监控虚拟机，以及使用 Kubernetes 通过多种部署方法部署应用。

了解详情

这门自助式速成课程向学员介绍 Google Cloud 提供的灵活全面的基础架构和平台服务，其中着重介绍了 Compute Engine。学员将通过一系列视频讲座、演示和动手实验，探索和部署各种解决方案元素，包括网络、虚拟机和应用服务等基础架构组件。您将学习如何通过控制台和 Cloud Shell 使用 Google Cloud。您还将了解云架构师角色、基础架构设计方法以及虚拟网络配置和虚拟私有云 (VPC)、项目、网络、子网、IP 地址、路由及防火墙规则。

了解详情

完成在 Google Cloud 上使用 Terraform 构建基础设施技能徽章中级课程， 展示您在以下方面的技能：在使用 Terraform 时遵循基础设施即代码 (IaC) 原则；利用 Terraform 配置 来预配和管理 Google Cloud 资源；管理有效状态（本地和远程）；以及将 Terraform 代码模块化，以方便重复使用和整理。

了解详情

“Google Cloud 基础知识：核心基础设施”介绍在使用 Google Cloud 时会遇到的重要概念和术语。本课程通过视频和实操实验来介绍并比较 Google Cloud 的多种计算和存储服务，并提供重要的资源和政策管理工具。

了解详情

Learn how to use Gemini Notebook to create a personalized study guide for the Associate Cloud Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook , and learn how to use a study guide to practice for a certification exam.

了解详情

This is the first of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll define the field of cloud data analysis and describe roles and responsibilities of a cloud data analyst as they relate to data acquisition, storage, processing, and visualization. You’ll explore the architecture of Google Cloud-based tools, like BigQuery and Cloud Storage, and how they are used to effectively structure, present, and report data.

了解详情

完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据，展示以下技能： 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Managed Service for Apache Spark 中创建集群和运行 Apache Spark 作业，以及调用机器学习 API，包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

了解详情

完成构建安全的 Google Cloud 网络课程，赢取技能徽章。在此课程中，您将了解与网络有关的众多 资源，以便在 Google Cloud 上构建、扩缩和保护自己的应用。

了解详情

完成“在 Google Cloud 上设置应用开发环境”课程，赢取技能徽章；通过该课程，您将了解如何使用以下技术的基本功能来构建和连接以存储为中心的云基础设施： Cloud Storage、Identity and Access Management、Cloud Functions 和 Pub/Sub。

了解详情

完成入门级技能徽章课程为 Compute Engine 实现云负载均衡，展示以下方面的技能： 在 Compute Engine 中创建和部署虚拟机 以及配置网络和应用负载均衡器。

了解详情

Google Cloud 云计算基础课程面向没有或很少有云计算基础或经验的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握一些实际操作技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课程是该系列课程的最后一门，回顾了托管式大数据服务、机器学习及其价值，以及如何通过获得技能徽章来进一步展示您在 Google Cloud 方面的技能。

了解详情

Google Cloud 云计算基础课程面向几乎没有云计算背景或经验的人士。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本课程系列后，学员将能够阐述这些概念，并展示一定的实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课是第三门课程，介绍云端自动化和管理工具以及如何构建安全网络。

了解详情

Google Cloud 云计算基础课程面向云计算零基础或经验较少的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握部分实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI

了解详情

完成中级技能徽章课程使用多模态 Gemini 和多模态 RAG 检查富文档，展示您在以下方面的技能： 将多模态与 Gemini 配合使用，从而使用多模态提示从文本数据和视觉数据中提取信息、生成视频说明、 检索视频中不包含的额外信息； 将多模态检索增强生成 (RAG) 与 Gemini 配合使用，以构建包含文本和图片的文档的元数据、获取所有相关文本块并输出引用。

了解详情

本课程介绍了 Responsible AI 的概念和 AI 原则，还介绍了在 AI/机器学习实践中识别公平性与偏见以及减少偏见的实用技巧，同时探索了使用 Google Cloud 产品和开源工具来实施 Responsible AI 最佳实践的实用方法和工具。

了解详情

在本次课程中，探索 AI 赋能的搜索技术、工具和应用。学习利用向量嵌入的语义搜索、融合语义和关键字的混合搜索方法，以及检索增强生成 (RAG) 技术，以打造基于事实的 AI 智能体，尽可能减少 AI 幻觉。获取 Vertex AI Vector Search 实战经验，打造您自己的智能搜索引擎。

了解详情

本课程向您介绍 Transformer 架构和 Bidirectional Encoder Representations from Transformers (BERT) 模型。您将了解 Transformer 架构的主要组成部分，例如自注意力机制，以及该架构如何用于构建 BERT 模型。您还将了解可以使用 BERT 的不同任务，例如文本分类、问答和自然语言推理。完成本课程估计需要大约 45 分钟。

了解详情

本课程简要介绍了编码器-解码器架构，这是一种功能强大且常见的机器学习架构，适用于机器翻译、文本摘要和问答等 sequence-to-sequence 任务。您将了解编码器-解码器架构的主要组成部分，以及如何训练和部署这些模型。在相应的实验演示中，您将在 TensorFlow 中从头编写简单的编码器-解码器架构实现代码，以用于诗歌生成。

了解详情

本课程将向您介绍注意力机制，这是一种强大的技术，可令神经网络专注于输入序列的特定部分。您将了解注意力的工作原理，以及如何使用它来提高各种机器学习任务的性能，包括机器翻译、文本摘要和问题解答。

了解详情

本课程向您介绍扩散模型。这类机器学习模型最近在图像生成领域展现出了巨大潜力。扩散模型的灵感来源于物理学，特别是热力学。过去几年内，扩散模型成为热门研究主题并在整个行业开始流行。Google Cloud 上许多先进的图像生成模型和工具都是以扩散模型为基础构建的。本课程向您介绍扩散模型背后的理论，以及如何在 Vertex AI 上训练和部署此类模型。

了解详情

本课程教您如何使用深度学习来创建图片标注模型。您将了解图片标注模型的不同组成部分，例如编码器和解码器，以及如何训练和评估模型。学完本课程，您将能够自行创建图片标注模型并用来生成图片说明。

了解详情

本课程介绍 Vertex AI Studio，这是一种用于与生成式 AI 模型交互、围绕业务创意进行原型设计并在生产环境中落地的工具。通过沉浸式应用场景、富有吸引力的课程和实操实验，您将探索从提示到产品的整个生命周期，了解如何将 Vertex AI Studio 用于多模态 Gemini 应用、提示设计、提示工程和模型调优。本课程的目的在于帮助您利用 Vertex AI Studio，在自己的项目中充分发掘生成式 AI 的潜力。

了解详情

本课程介绍了 AI 可解释性和透明度的相关概念，探讨了 AI 透明度对于开发者和工程师的重要性。同时探索了有助于在数据和 AI 模型中实现可解释性和透明度的实用方法及工具。

了解详情

本课程致力于为您提供所需的知识和工具，让您能够了解 MLOps 团队在部署和管理生成式 AI 模型以及探索 Vertex AI 如何帮助 AI 团队简化 MLOps 流程时面临的独特挑战，并帮助您在生成式 AI 项目中取得成功。

了解详情

完成中级技能徽章课程“使用 Gemini 和 Streamlit 开发生成式 AI 应用”，展示您在以下方面的技能： 文本生成、通过 Python SDK 和 Gemini API 应用函数调用，以及通过 Cloud Run 部署 Streamlit 应用。 您将了解如何以不同方式通过提示来让 Gemini 生成文本、使用 Cloud Shell 进行测试，以及如何迭代 Streamlit 应用，随后将其封装成 Docker 容器并部署在 Cloud Run 中。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 推出的一款依托生成式 AI 的协作工具）如何帮助您使用 Google 产品和服务开发、测试、部署和管理应用。在 Gemini 的协助下，您可以学习如何开发和构建 Web 应用、修复应用中的错误、开发测试和查询数据。您可以通过实操实验了解如何利用 Gemini 来改进软件开发生命周期 (SDLC)。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 推出的一款依托生成式 AI 的协作工具）如何帮助工程师管理基础设施。您将了解如何向 Gemini 输入提示，让其查找和理解应用日志、创建 GKE 集群，以及研究如何创建构建环境。您可以通过实操实验了解如何利用 Gemini 来改进 DevOps 工作流。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 推出的一款依托生成式 AI 的协作工具）如何帮助您保护您的云环境和资源。您将学习如何将示例工作负载部署到 Google Cloud 环境中，以及如何借助 Gemini 识别和修复安全配置错误。您可以通过实操实验了解如何利用 Gemini 来改善云安全状况。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 推出的一款依托生成式 AI 的协作工具）如何帮助网络工程师创建、更新和维护 VPC 网络。您将学习如何向 Gemini 输入提示，让其针对您的网络组建和管理任务，提供您从搜索引擎所无法获得的具体指导。您可以通过实操实验了解如何利用 Gemini 更轻松地使用 Google Cloud VPC 网络。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 的生成式 AI 赋能的协作工具）如何帮助分析客户数据并预测产品销售情况。此外，您还将了解如何在 BigQuery 中使用客户数据来识别、开发新客户并对其进行分类。通过动手实验，您将体验 Gemini 如何改进数据分析和机器学习工作流。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 的生成式 AI 赋能的协作工具）如何帮助管理员预配基础设施。您将了解如何通过输入提示来让 Gemini 解释基础设施、GKE 集群的部署，以及现有基础设施的更新。您可以通过实操实验了解如何利用 Gemini 来改进 GKE 部署工作流。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Google Cloud 中依托生成式 AI 技术的协作工具 Gemini 如何帮助开发者构建应用。您将学习如何向 Gemini 输入提示，让其为您解释代码、推荐 Google Cloud 服务并为您的应用生成代码。您将通过实操实验体验 Gemini 对应用开发工作流的改进作用。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

Google Cloud 云计算基础课程面向云计算零基础或经验较少的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握部分实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课是第一门课程，概述了云计算、Google Cloud 的使用方式以及各种计算选项。

了解详情

随着企业对人工智能和机器学习的应用越来越广泛，以负责任的方式构建这些技术也变得更加重要。但对很多企业而言，真正践行 Responsible AI 并非易事。如果您有意了解如何在组织内践行 Responsible AI，本课程正适合您。 本课程将介绍 Google Cloud 目前如何践行 Responsible AI，以及从中总结的最佳实践和经验教训，便于您以此为框架构建自己的 Responsible AI 方法。

了解详情

完成 在 Agent Platform 中设计提示入门技能徽章课程，展示以下方面的技能： Agent Platform 中的提示工程、图片分析和多模态生成式技术。探索如何编写有效的提示，指导生成式 AI 输出， 以及将 Gemini 模型应用于真实的营销场景。

了解详情

这是一节入门级微课程，旨在解释什么是负责任的 AI、它的重要性，以及 Google 如何在自己的产品中实现负责任的 AI。此外，本课程还介绍了 Google 的 7 个 AI 开发原则。

了解详情

这是一节入门级微学习课程，探讨什么是大型语言模型 (LLM)、适合的应用场景以及如何使用提示调整来提升 LLM 性能，还介绍了可以帮助您开发自己的 Gen AI 应用的各种 Google 工具。

了解详情

这是一节入门级微课程，旨在解释什么是生成式 AI、它的用途以及与传统机器学习方法的区别。该课程还介绍了可以帮助您开发自己的生成式 AI 应用的各种 Google 工具。

了解详情