Join Sign in

Apply your skills in Google Cloud console

Dumitru Ciobanu

Member since 2024

透過直覺式程式開發和 MCP，建構智慧雲端應用程式 Earned Mar 2, 2026 EST
使用 Gemini 和 Streamlit 開發生成式 AI 應用程式 Earned Feb 22, 2026 EST
在 Google Cloud 打造生成式 AI 應用程式 Earned Feb 21, 2026 EST
Natural Language Processing on Google Cloud Earned Feb 21, 2026 EST
在 Vertex AI 設計提示 Earned Feb 21, 2026 EST
編碼器-解碼器架構 Earned Feb 12, 2026 EST
Responsible AI for Digital Leaders with Google Cloud Earned Feb 12, 2026 EST
Google DeepMind: 04 Discover The Transformer Architecture Earned Feb 10, 2026 EST
機器學習運作 (MLOps) 與 Vertex AI：模型評估 Earned Feb 10, 2026 EST
生成式 AI 適用的機器學習運作 (MLOps) Earned Feb 10, 2026 EST
開發人員的負責任 AI 技術：公平性與偏誤 Earned Jul 30, 2025 EDT
Vertex AI Studio 簡介 Earned Jun 23, 2025 EDT
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則 Earned Jun 16, 2025 EDT
負責任的 AI 技術簡介 Earned Jun 16, 2025 EDT
透過 Vertex AI 建構及部署機器學習解決方案 Earned May 13, 2025 EDT
Google Cloud: Prompt Engineering Guide Earned May 13, 2025 EDT
大型語言模型簡介 Earned May 13, 2025 EDT
使用 BigQuery ML 為預測模型進行資料工程 Earned May 13, 2025 EDT
在 Google Cloud 使用 TensorFlow 分類圖像 Earned May 13, 2025 EDT
Production Machine Learning Systems Earned May 13, 2025 EDT
Working with Notebooks in Vertex AI Earned May 12, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned May 12, 2025 EDT
使用 BigQuery 進行機器學習 Earned May 12, 2025 EDT
Machine Learning Operations (MLOps): Getting Started Earned May 10, 2025 EDT
探索生成式 AI - Vertex AI Earned May 7, 2025 EDT
在 Compute Engine 導入 Cloud Load Balancing Earned May 6, 2025 EDT
在 Google Cloud 為機器學習 API 準備資料 Earned May 6, 2025 EDT
生成式 AI 簡介 Earned Apr 30, 2025 EDT
Google Cloud 的 AI 和機器學習服務簡介 Earned Apr 15, 2025 EDT
從 BigQuery 資料取得深入分析結果 Earned Dec 31, 2024 EST
透過 BigQuery 建構資料倉儲 Earned Dec 30, 2024 EST
Build Streaming Data Pipelines on Google Cloud Earned Dec 30, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Dec 27, 2024 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Dec 23, 2024 EST
Google Cloud Big Data and Machine Learning Fundamentals Earned Nov 2, 2024 EDT

完成「透過直覺式程式開發和 MCP，建構智慧雲端應用程式」課程，即可獲得技能徽章。在本課程中，您將學會如何利用 Google AI 程式設計助理和 MCP 伺服器的強大功能。

Learn more

完成 使用 Gemini 和 Streamlit 開發生成式 AI 應用程式 技能徽章中階課程，即可證明您具備下列技能： 生成文字、透過 Python SDK 和 Gemini API 呼叫函式，以及運用 Cloud Run 部署 Streamlit 應用程式。 您將瞭解如何以不同方式透過提示請 Gemini 生成文字、使用 Cloud Shell 測試及疊代 Streamlit 應用程式，隨後封裝成 Docker 容器並在 Cloud Run 中部署。

Learn more

大型語言模型 (LLM) 誕生之後，生成式 AI 應用程式帶來的嶄新使用者體驗，可說是幾乎前所未有。身為應用程式開發人員，您要如何在 Google Cloud，運用生成式 AI 建立出色的互動式應用程式？ 本課程將帶您瞭解生成式 AI 應用程式，以及如何使用提示設計和檢索增強生成 (RAG)，透過 LLM 建構強大的應用程式。我們也會介紹可用於正式環境的生成式 AI 應用程式架構。您將建構採用 LLM 和 RAG 的對話應用程式。

Learn more

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

Learn more

完成 在 Vertex AI 設計提示 技能徽章入門課程，即可證明您具備下列技能： 在 Vertex AI 設計提示、分析圖片，以及運用多模態模型生成內容。瞭解如何建立有效的提示、引導生成式 AI 輸出內容， 以及將 Gemini 模型用於實際的行銷情境。

Learn more

本課程概要說明解碼器與編碼器的架構，這種強大且常見的機器學習架構適用於序列對序列的任務，例如機器翻譯、文字摘要和回答問題。您將認識編碼器與解碼器架構的主要元件，並瞭解如何訓練及提供這些模型。在對應的研究室逐步操作說明中，您將學習如何從頭開始使用 TensorFlow 寫程式，導入簡單的編碼器與解碼器架構來產生詩詞。

Learn more

This course equips learners with the essential knowledge and practical tools to develop and implement artificial intelligence (AI) responsibly. Through an exploration of ethical considerations, best practices, and governance procedures, participants will gain an understanding of how to navigate the complex landscape of AI while upholding ethical standards and minimizing potential risks.

Learn more

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.

Learn more

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。

Learn more

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。

Learn more

本課程旨在說明負責任 AI 技術的概念和 AI 開發原則，同時介紹各項技術，在實務上找出公平性和偏誤，減少 AI/機器學習做法上的偏誤。我們也將探討實用方法和工具，透過 Google Cloud 產品和開放原始碼工具，導入負責任 AI 技術的最佳做法。

Learn more

本課程會介紹 Vertex AI Studio。您可以運用這項工具和生成式 AI 模型互動、根據商業構想設計原型，並投入到正式環境。透過身歷其境的應用實例、有趣的課程及實作實驗室，您將能探索從提示到正式環境的生命週期，同時學習如何將 Vertex AI Studio 運用在多模態版 Gemini 應用程式、提示設計、提示工程和模型調整。這個課程的目標是讓您能運用 Vertex AI Studio，在專案中發揮生成式 AI 的潛能。

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

完成 透過 Vertex AI 建構及部署機器學習解決方案 課程，即可瞭解如何使用 Google Cloud 的 Vertex AI 平台、AutoML 和自訂訓練服務， 訓練、評估、調整、解釋及部署機器學習模型。 這個技能徽章課程適合專業數據資料學家和機器學習 工程師，完成即可取得中階技能徽章。技能 徽章是 Google Cloud 核發的獨家數位徽章， 用於肯定您在 Google Cloud 產品和服務方面的精通程度， 代表您已通過測驗，能在互動式實作環境應用相關知識。完成這個技能徽章課程 和結業評量挑戰實驗室，就能獲得數位徽章， 並與親友分享。

Learn more

Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.

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

完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。

Learn more

完成「在 Google Cloud 使用 TensorFlow 分類圖像」技能徽章中階課程， 瞭解如何使用 TensorFlow 和 Vertex AI 建立及訓練機器學習模型， 即可獲得技能徽章。在 Vertex AI Workbench 中，你主要會和使用者自行管理的筆記本 互動。

Learn more

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Learn more

This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

Learn more

Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.

Learn more

不想花費大把時間，想在幾分鐘內只靠 SQL，就建立好機器學習模型嗎？透過 BigQuery ML，資料分析師可以運用現有的 SQL 工具和技巧，建立、訓練、評估模型， 並使用模型進行預測，降低機器學習的使用門檻。在 本系列的實驗室，您會測試不同類型的模型，瞭解 優良模型應具備的條件。

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

探索生成式 AI - Vertex AI 課程包含一系列實驗室，幫助您瞭解 如何在 Google Cloud 使用生成式 AI。透過實驗室，您將瞭解 如何使用 Vertex AI PaLM API 系列模型，包括 text-bison、chat-bison、 和 textembedding-gecko。您也會瞭解提示設計、最佳做法、 以及這些模型如何用於構思、文字分類、文字擷取、文字 摘要等。您也會瞭解如何透過 Vertex AI 自訂訓練功能調整基礎模型， 並將模型部署至 Vertex AI 端點。

Learn more

完成「在 Compute Engine 導入 Cloud Load Balancing」技能徽章入門課程，即可證明您具備下列技能： 在 Compute Engine 建立及部署虛擬機器， 以及設定網路和應用程式負載平衡器。

Learn more

完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Dataproc 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

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

本課程介紹 Google Cloud 的 AI 和機器學習 (ML) 功能，著重說明如何開發生成式和預測式 AI 專案。我們也會探討「從資料到 AI」整個生命週期都適用的技術、產品和工具，並透過互動式練習，協助資料科學家、AI 開發人員和機器學習工程師精進專業知識。

Learn more

完成 從 BigQuery 資料取得深入分析結果 技能徽章入門課程，即可證明您具備下列技能： 撰寫 SQL 查詢、查詢公開資料表、將樣本資料載入 BigQuery、使用 BigQuery 的查詢驗證工具 排解常見語法錯誤，以及在 Looker Studio 中 透過連結 BigQuery 資料建立報表。

Learn more

完成 透過 BigQuery 建構資料倉儲 技能徽章中階課程，即可證明您具備下列技能： 彙整資料以建立新資料表、排解彙整作業問題、利用聯集附加資料、建立依日期分區的資料表， 以及在 BigQuery 使用 JSON、陣列和結構體。

Learn more

In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.

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 the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

Learn more