We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
Yash Anchan
Member since 2025
Diamond League
7885 points
使用 Agent Development Kit (ADK) 建造 AI 代理：工程設計
Earned May 22, 2026 EDT
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則
Earned May 17, 2026 EDT
負責任的 AI 技術簡介
Earned May 17, 2026 EDT
大型語言模型簡介
Earned May 17, 2026 EDT
生成式 AI 簡介
Earned May 17, 2026 EDT
運用 Google Cloud 翻新基礎架構和應用程式
Earned Feb 25, 2026 EST
Google Cloud 資料分析功能簡介
Earned Feb 25, 2026 EST
Build Batch Data Pipelines on Google Cloud
Earned Feb 13, 2026 EST
Build Data Lakes and Data Warehouses on Google Cloud
Earned Dec 28, 2025 EST
Machine Learning Operations (MLOps): Getting Started
Earned Mar 2, 2025 EST
完成「使用 Agent Development Kit (ADK) 建造 AI 代理：工程設計」技能徽章中階課程，即可證明您具備下列技能： 提出實際的語言模型研究問題、建構簡單的權杖化工具、準備資料集來訓練 Transformer 語言模型，以及執行小型語言模型的訓練迴圈。
Learn more
隨著企業持續擴大使用人工智慧和機器學習，以負責任的方式發展相關技術也日益重要。對許多企業來說，談論負責任的 AI 技術可能不難，如何付諸實行才是真正的挑戰。如要瞭解如何在機構中導入負責任的 AI 技術，本課程絕對能助您一臂之力。
您可以從中瞭解 Google Cloud 目前採取的策略、最佳做法和經驗談，協助貴機構奠定良好基礎，實踐負責任的 AI 技術。
Learn more
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
Learn more
這是一堂入門級的微學習課程，旨在探討大型語言模型 (LLM) 的定義和用途，並說明如何調整提示來提高 LLM 成效。此外，也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。
Learn more
這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
Learn more
許多傳統企業使用舊版系統和應用程式，無法滿足現今客戶的期望。企業主管經常需要在維護老舊的 IT 系統，以及投資新產品/服務之間做出選擇。本課程將探討這些挑戰，並提供解決方案，說明如何運用雲端技術克服難題。
本課程是 Cloud Digital Leader 學習路徑的一部分，旨在促進個人職能發展，並打造企業的未來。
Learn more
這是 Google Cloud 資料分析專業證書五堂課程中的第一堂。在本課程中，您將瞭解雲端資料分析領域的定義，並說明雲端資料分析師在資料擷取、儲存、處理和視覺化方面的角色與職責。您將瞭解 BigQuery 和 Cloud Storage 等 Google Cloud 工具的架構，以及如何運用這些工具有效組織、呈現及彙整資料。
Learn more
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting.
Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
Learn more
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
Learn more
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.
Learn more
