Khushi Ghante
成为会员时间:2022
钻石联赛
35928 积分
成为会员时间:2022
各种规模的组织都在利用云的强大功能和灵活性来改变运营方式。然而,有效管理和扩缩云资源可能是一项复杂的任务。本课程探讨了云中现代运营、可靠性和弹性方面的基本概念,以及 Google Cloud 如何帮助支持这些工作。 作为 Cloud Digital Leader 学习路线的一部分,本课程旨在帮助个人在自己的岗位上成长,并为企业谋求未来发展。
随着组织将数据和应用迁移到云端,他们必须妥善应对快速变化的安全挑战格局。本课程将探讨云安全基础知识、Google Cloud 基于安全性设计的基础设施的价值以及纵深防御策略,并重点介绍依托 AI 的运营和合规工具如何帮助组织满足严格的全球监管要求。 作为“Cloud Digital Leader 学习路线”的一部分,本课程旨在帮助个人提升职业素养,并为企业谋求未来发展。
许多传统企业都在使用无法满足现代客户期望的旧式系统和应用。业务领导者往往需要在维护老旧的 IT 系统和投资新产品与服务之间做出选择。本课程探讨了这些挑战,并提供了利用云技术克服这些挑战的解决方案。 作为 Cloud Digital Leader 学习路线的一部分,本课程旨在帮助个人在工作中成长,并为企业打造美好未来。
人工智能 (AI) 和机器学习 (ML) 代表着信息技术领域的重要演变,正在迅速改变各行各业。《利用 Google Cloud 人工智能进行创新》探讨了组织如何使用 AI 和机器学习来转变业务流程。 本课程是“Cloud Digital Leader 学习路线”的一部分,旨在帮助个人在自己的角色中不断成长,并为企业谋求未来发展。
云技术是一项强大的资产,与数据相结合后,它将成为创新和提升客户体验的催化剂。《使用 Google Cloud 探索数据转换》课程探讨了组织如何利用云技术让数据更易于访问、更具实用价值和商业价值。 作为“Cloud Digital Leader 学习路线”的一部分,本课程旨在帮助个人提升职业素养,并为企业谋求未来发展。
数字化转型是现代组织的必经之路,而扎实掌握云计算基础知识,是推动实质性创新的第一步。《利用 Google Cloud 实现数字化转型》课程将讲解核心技术与战略框架,助力组织实现运营现代化。本课程介绍关于云的基本概念、全球网络基础设施和责任共担模式,帮助领导者从容推进上云进程。 作为 Cloud Digital Leader 学习路线的一部分,本课程旨在帮助学员提升岗位能力,从而为企业打造美好未来。
在本课程中,您将了解 Google Cloud 数据工程、数据工程师的角色和职责,以及相关的 Google Cloud 产品和服务。您还将了解如何应对数据工程挑战。
本课程旨在帮助 Google Workspace 用户高效地自动执行跨应用任务,从而显著提高工作效率并简化日常运营。学员将掌握设计和配置自动化操作以及在 Google Workspace Studio 中自定义步骤的实用技能。
本培训旨在帮助 Google Workspace 用户顺畅集成 Gemini 应用,安全访问其数据,从而将工作效率提升到新的水平。学员将学习如何利用 Gemini 的功能来增强创造力,并加快解决复杂的业务难题。
本课程将介绍 Google Vids,这是 Google Workspace 中一款由 AI 赋能的创作工具,可帮助您将原始文档转换为专业、引人入胜的视频,无需任何编辑经验。您将学习如何使用模板和自动化工具快速生成草稿,以及如何通过基于转写稿的编辑、动态视觉增强和自定义音乐来定制内容。最后,您将探索如何集成 AI 虚拟形象和旁白,在各种业务场景中无缝讲解演示文稿。
本课程介绍如何在 Google 云端硬盘中使用 Gemini 来管理和检索文件。了解如何使用自然语言定位资源、在无需打开文件的情况下通过 AI 概览直接提取特定事实、即时总结多种媒体格式的内容,并将文件集合保存为“项目”以进行可重复的研究。
本课程介绍如何使用 Google Chat 中的 Gemini 来简化商务消息收发。了解如何利用摘要功能过滤通知干扰,使用自然语言搜索功能查找深埋的决策信息,以及借助实时写作工具优化消息语气。
本课程介绍如何使用 Google Meet 中的 Gemini 来提升视频协作体验。了解如何自动生成会议记录、利用实时文本和语音翻译功能、在不打扰他人的情况下快速了解错过的讨论,以及即时优化音视频质量。
本课程介绍如何使用 Google 表格中的 Gemini 自动整理数据和处理复杂数字。了解如何根据原始文本构建表格、使用自然语言自动填充数据、按需生成原生电子表格公式,以及快速提取高级分析洞见或可视化图表,而无需具备高级电子表格专业知识。
本课程将介绍如何利用 Google 幻灯片中的 Gemini 将构思转化为极具视觉冲击力的演示文稿。学习如何通过单个提示词或现有源文档生成结构化幻灯片组,利用自动设计增强功能优化布局,创建自定义矢量图和照片,并动态撰写幻灯片正文及精准的演讲者备注。
本课程介绍如何使用 Google 文档中的 Gemini 来简化写作和内容创作。了解如何从头开始起草文档,使用互动式工具优化写作语气和清晰度,总结复杂文件,以及将长篇文本无缝转换为适用于其他 Google Workspace 应用的结构化资产。
本课程介绍如何使用 Gmail 中的 Gemini 来优化邮件管理。了解如何总结冗长的会话串、使用自然语言检索信息、起草专业回复,以及直接在收件箱中整理沟通策略。
Gemini for Google Workspace 可在 Google Workspace 中为客户提供生成式 AI 功能。在本学习路线中,您将了解 Gemini 的主要功能,以及如何在 Google Workspace 中使用它们来提高工作效率。
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。
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 how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.
本课程教您如何使用深度学习来创建图片标注模型。您将了解图片标注模型的不同组成部分,例如编码器和解码器,以及如何训练和评估模型。学完本课程,您将能够自行创建图片标注模型并用来生成图片说明。
本课程向您介绍 Transformer 架构和 Bidirectional Encoder Representations from Transformers (BERT) 模型。您将了解 Transformer 架构的主要组成部分,例如自注意力机制,以及该架构如何用于构建 BERT 模型。您还将了解可以使用 BERT 的不同任务,例如文本分类、问答和自然语言推理。完成本课程估计需要大约 45 分钟。
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。
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。
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。
本课程将介绍 Model Armor 的核心安全功能,助您轻松驾驭这项服务。您将了解 LLM 相关的安全风险,以及 Model Armor 如何保护您的 AI 应用。
人工智能 (AI) 具备巨大的变革潜力,但也带来了新的安全挑战。本课程专为负责安全性和数据保护的领导者而设计,助其运用相关策略在组织内安全管理 AI。学习一个有助于实现以下目标的框架:主动识别并减轻 AI 特有的风险,保护敏感数据,确保遵从法规,构建弹性 AI 基础设施。通过四个不同行业的精选用例,探索这些策略如何应用于现实场景。
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。
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。
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。
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。
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
本课程是 Google Cloud 数据分析认证计划的第五门课程(共五门)。在本课程中,你将综合运用前 4 门课程所学的基础知识和技能,实操完成一个结业项目,全面探索整个数据生命周期。您将练习使用云端工具来有效地获取、存储、处理、分析、直观呈现数据并传达数据分析洞见。课程结束时,您将完成一个项目,证明您在以下方面的熟练程度:高效地设计数据结构以整理来自多个来源的数据、向不同利益相关方展示解决方案,以及使用云端软件直观呈现数据分析洞见。您还将更新个人简历并练习面试技巧,为求职申请与面试环节做好准备。
本课程是 Google Cloud 数据分析认证计划的第二门课程(共五门)。在本课程中,您将探索数据的结构形式和组织方式。您将获得数据湖仓一体架构和云组件(如 BigQuery、Google Cloud Storage 和 DataProc)的实操经验,以便高效地存储、分析和处理大型数据集。
本课程是 Google Cloud 数据分析认证计划的第三门课程(共五门)。在本课程中,您将首先了解从收集数据到获取数据分析洞见的整个数据历程。然后,您将学习如何使用 SQL 将原始数据转换为可用格式。接下来,您将学习如何使用数据流水线转换大量数据。最后,您会获得相关经验,熟悉如何将数据转换策略应用于真实数据集以满足业务需求。
本课程是 Google Cloud 数据分析认证计划的第四门课程(共五门课程)。在本课程中,您将重点学习在云端可视化数据的相关技能,其中数据可视化可分为五个关键阶段:讲故事、规划、探索数据、构建可视化图表以及与他人共享数据。您还将获得实操经验,尝试使用 UI(界面)/UX(用户体验)技能来制作线框图,从而设计出有影响力的云原生可视化图表,并使用云原生数据可视化工具来探索数据集、创建报告和构建信息中心,从而推动决策并促进协作。
本课程是 Google Cloud 数据分析认证的第一门课程(共五门)。在本课程中,您将认识云数据分析领域,并了解云数据分析师在数据获取、存储、处理和可视化方面的角色和职责。您将探索 BigQuery 和 Cloud Storage 等基于 Google Cloud 的工具的架构,以及如何使用这些工具有效地设计数据结构,以及展示和报告数据。
This is the fourth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll focus on developing skills in the five key stages of visualizing data in the cloud: storytelling, planning, exploring data, building visualizations, and sharing data with others. You’ll also gain experience using UI/UX skills to wireframe impactful, cloud-native visualizations and work with cloud-native data visualization tools to explore datasets, create reports, and build dashboards that drive decisions and foster collaboration.
This is the third of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll begin by getting an overview of the data journey, from collection to insights. You’ll then learn how to use SQL to transform raw data into a usable format. Next, you’ll learn how to transform high volumes of data with a data pipeline. Finally, you’ll gain experience applying transformation strategies to real data sets to solve business needs.
This is the second of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll explore how data is structured and organized. You’ll gain hands-on experience with the data lakehouse architecture and cloud components like BigQuery, Google Cloud Storage, and DataProc to efficiently store, analyze, and process large datasets.
This is the first of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll define the field of cloud data analysis and describe roles and responsibilities of a cloud data analyst as they relate to data acquisition, storage, processing, and visualization. You’ll explore the architecture of Google Cloud-based tools, like BigQuery and Cloud Storage, and how they are used to effectively structure, present, and report data.