成为会员时间：2026
面向开发者的 Responsible AI：可解释性和透明度
Earned Oct 26, 2026 EDT
使用 Dataplex 整理和治理数据
Earned Oct 25, 2026 EDT
使用 Gemini Enterprise 编排多智能体工作流
Earned Oct 23, 2026 EDT
面向开发者的 Responsible AI：公平性与偏见
Earned Oct 23, 2026 EDT
利用 Vertex AI 实现机器学习运维 (MLOps)：模型评估
Earned Oct 23, 2026 EDT
适用于生成式 AI 的机器学习运维 (MLOps)
Earned Oct 23, 2026 EDT
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。
完成入门级技能徽章课程“使用 Dataplex 整理和治理数据”，展示您在以下方面的技能：创建 Dataplex 资产、创建切面类型，以及将切面应用于 Dataplex 中的条目。 技能徽章通过动手实验和挑战赛形式的评估，检验您对特定产品的实际知识掌握情况。完成课程即可获得徽章， 也可直接参加实验室挑战赛，快速获得徽章。徽章可证明您掌握技能的熟练程度，提升您的专业形象，最终助您获得更多职业机会。欢迎访问您的个人资料，并跟踪您已获得的徽章。
完成入门级使用 Gemini Enterprise 编排多智能体工作流技能徽章课程，展示您在以下方面的技能：使用由 Gemini Enterprise 提供支持的智能体助理整合来自第一方和第三方来源的数据、制作多媒体营销材料，以及跨系统自动执行业务操作。 技能徽章通过动手实验和挑战赛形式的评估，检验您对特定产品的实际知识掌握情况。完成课程即可获得徽章，也可直接参加实验室挑战赛，快速获得徽章。徽章可证明您掌握技能的熟练程度，提升您的专业形象，最终助您获得更多职业机会。欢迎访问您的个人资料，跟踪您已获得的徽章。
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。
本课程能让机器学习从业者掌握评估生成式和预测式 AI 模型的基本工具、方法和最佳实践。要确保机器学习系统在实际运用中提供可靠、准确、高效的结果，做好模型评估至关重要。 学员将深入了解各项评估指标、方法及如何在不同模型类型和任务中适当应用这些指标和方法。课程将着重介绍生成式 AI 模型带来的独特挑战，并提供有效解决这些挑战的策略。通过利用 Google Cloud 的 Vertex AI Platform，学员可学习如何在模型选择、优化和持续监控工作中实施卓有成效的评估流程。
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。