加入 登录

Vivek Kumar

成为会员时间：2024

白银联赛

7022 积分
设置 Google Cloud 网络 Earned Jan 12, 2026 EST
开发 Google Cloud 网络 Earned Jan 12, 2026 EST
优化 Google Kubernetes Engine 的费用 Earned Jan 12, 2026 EST
在 Google Cloud 上使用 Terraform 构建基础设施 Earned Dec 3, 2025 EST
在 Google Cloud 上设置应用开发环境 Earned Dec 1, 2025 EST
Responsible AI: 和 Google Cloud 一起践行 AI 原则 Earned Feb 5, 2025 EST
在 Agent Platform 中设计提示 Earned Feb 2, 2025 EST
负责任的 AI 简介 Earned Feb 2, 2025 EST
大型语言模型简介 Earned Feb 2, 2025 EST
生成式 AI 简介 Earned Jan 26, 2025 EST
编码器-解码器架构 Earned Mar 17, 2024 EDT
注意力机制 Earned Mar 16, 2024 EDT
图像生成简介 Earned Mar 16, 2024 EDT

完成设置 Google Cloud 网络课程，赢取技能徽章， 您将了解如何在 Google Cloud Platform 上执行基本的网络组建和管理任务 - 创建自定义网络、添加子网防火墙规则，然后创建虚拟机并测试 虚拟机之间相互通信时的延迟时间。

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

完成中级技能徽章课程“优化 Google Kubernetes Engine 的费用”， 展示您在以下方面的技能：创建和管理多租户集群、按命名空间监控资源使用情况、 配置集群和 Pod 自动扩缩以提高效率、设置负载均衡以实现最佳资源分布， 以及实现活跃性与就绪性探测以确保应用正常运行并具有成本效益。

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

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

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

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