Member since 2026
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Nov 3, 2026 EST
生成式 AI 適用的機器學習運作 (MLOps)
Earned Nov 3, 2026 EST
AI 基礎架構：Cloud TPU
Earned Nov 2, 2026 EST
Google DeepMind: 01 Build Your Own Small Language Model
Earned Sep 22, 2026 EDT
本課程針對評估生成式和預測式 AI 模型，向機器學習從業人員介紹相關的基礎工具、技術和最佳做法。模型評估是機器學習的重要領域，確保這類系統能在正式環境中提供可靠、準確且成效優異的結果。 學員將深入瞭解多種評估指標與方法，以及適用於不同模型類型和工作的應用方式。此外，也會特別介紹生成式 AI 模型帶來的獨特難題，並提供有效的應對策略。透過 Google Cloud Vertex AI 平台，學員將瞭解在模型挑選、最佳化和持續監控方面，該如何導入穩健的評估程序。
本課程旨在提供必要的知識和工具，協助您探索機器學習運作團隊在部署及管理生成式 AI 模型時面臨的獨特挑戰，並瞭解 Vertex AI 如何幫 AI 團隊簡化機器學習運作程序，打造成效非凡的生成式 AI 專案。
歡迎來到 Cloud TPU 課程。我們將探討在各種情境下使用 TPU 的優缺點，並比較不同的 TPU 加速器，協助您選擇合適的工具。您將瞭解如何盡可能提高 AI 模型的效能和效率，以及互通的 GPU/TPU 對於打造靈活的機器學習工作流程有多重要。我們會透過引人入勝的內容和實際演示，一步步引導您有效運用 TPU。
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.