加入 登录

Kalyani Kulkarni

成为会员时间：2024

黄金联赛

9080 积分
面向开发者的 Responsible AI：公平性与偏见 Earned Jul 4, 2025 EDT
面向开发者的 Responsible AI：可解释性和透明度 Earned Jul 4, 2025 EDT
[DEPRECATED] 适用于端到端 SDLC 的 Gemini Earned Jul 4, 2025 EDT
[DEPRECATED] 适用于安全工程师的 Gemini Earned Jul 4, 2025 EDT
[DEPRECATED] 适用于云架构师的 Gemini Earned Jul 2, 2025 EDT
适用于生成式 AI 的机器学习运维 (MLOps) Earned Jun 29, 2025 EDT
Build a Certification Study Guide: PMLE Earned Jun 6, 2025 EDT
生成式 AI 简介 Earned Oct 12, 2024 EDT
创建图片标注模型 Earned Sep 17, 2024 EDT
Transformer 模型和 BERT 模型 Earned Sep 17, 2024 EDT
编码器-解码器架构 Earned Sep 17, 2024 EDT
注意力机制 Earned Sep 17, 2024 EDT
图像生成简介 Earned Sep 17, 2024 EDT

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。

了解详情

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。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 推出的一款依托生成式 AI 的协作工具）如何帮助您使用 Google 产品和服务开发、测试、部署和管理应用。在 Gemini 的协助下，您可以学习如何开发和构建 Web 应用、修复应用中的错误、开发测试和查询数据。您可以通过实操实验了解如何利用 Gemini 来改进软件开发生命周期 (SDLC)。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 推出的一款依托生成式 AI 的协作工具）如何帮助您保护您的云环境和资源。您将学习如何将示例工作负载部署到 Google Cloud 环境中，以及如何借助 Gemini 识别和修复安全配置错误。您可以通过实操实验了解如何利用 Gemini 来改善云安全状况。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

在本课程中，您将了解 Gemini（Google Cloud 的生成式 AI 赋能的协作工具）如何帮助管理员预配基础设施。您将了解如何通过输入提示来让 Gemini 解释基础设施、GKE 集群的部署，以及现有基础设施的更新。您可以通过实操实验了解如何利用 Gemini 来改进 GKE 部署工作流。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

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。

了解详情

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.

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。

了解详情

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。

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