加入 登录

Apply your skills in Google Cloud console

Maggie Nanyonga

成为会员时间：2026

白银联赛

12674 积分
Google DeepMind: 01 Build Your Own Small Language Model Earned Feb 20, 2026 EST
AI Infrastructure: Networking Techniques Earned Feb 20, 2026 EST
AI Infrastructure: Storage Options Earned Feb 20, 2026 EST
AI Infrastructure: Deployment Types Earned Feb 20, 2026 EST
AI 基礎架構：Cloud TPU Earned Feb 20, 2026 EST
AI 基礎架構：Cloud GPU Earned Feb 20, 2026 EST
AI 基礎架構：AI Hypercomputer 簡介 Earned Feb 20, 2026 EST
開發人員的負責任 AI 技術：公平性與偏誤 Earned Feb 20, 2026 EST
開發人員的負責任 AI 技術：隱私權與安全性 Earned Feb 20, 2026 EST
AI 世界的安全防護簡介 Earned Feb 20, 2026 EST
開發人員的負責任 AI 技術：可解釋性與透明度 Earned Feb 19, 2026 EST
Model Armor：保護您部署的 AI 應用程式 Earned Feb 19, 2026 EST
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則 Earned Feb 19, 2026 EST
Responsible AI for Digital Leaders with Google Cloud Earned Feb 19, 2026 EST
生成式 AI 代理：實現組織轉型 Earned Feb 19, 2026 EST
生成式 AI 應用程式：徹底改變工作方式 Earned Feb 19, 2026 EST
生成式 AI：掌握幕後技術與環境 Earned Feb 19, 2026 EST
生成式 AI：瞭解基礎概念 Earned Feb 19, 2026 EST
生成式 AI：不只是聊天機器人 Earned Feb 19, 2026 EST
建立您的第一個 Gemini Enterprise 應用程式 Earned Feb 18, 2026 EST
企業 AI 代理與用途 Earned Feb 18, 2026 EST
AI 代理基礎知識 Earned Feb 18, 2026 EST
AI 代理簡介 Earned Feb 18, 2026 EST
機器學習運作 (MLOps) 與 Vertex AI：模型評估 Earned Feb 18, 2026 EST
生成式 AI 適用的機器學習運作 (MLOps) Earned Feb 18, 2026 EST

In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.

了解详情

Welcome to the "AI Infrastructure: Networking Techniques" course. In this course, you'll learn to leverage Google Cloud's high-bandwidth, low-latency infrastructure to optimize data transfer and communication between all the components of your AI system. By the end, you'll grasp the critical role networking plays across the entire AI pipeline from data ingestion and training to inference and be able to apply best practices to ensure your workloads run at maximum speed.

了解详情

In this course, you’ll take a comprehensive journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads. You’ll learn how to choose the right storage for each stage of the ML lifecycle. You’ll explore how to optimize for I/O performance during training, manage massive datasets for data preparation, and serve model artifacts with low latency. Through practical examples and demonstrations, you’ll gain the expertise to design robust storage solutions that accelerate your AI innovation.

了解详情

This course provides a comprehensive guide to deploying, managing, and optimizing AI and high-performance computing (HPC) workloads on Google Cloud. Through a series of lessons and practical demonstrations, you’ll explore diverse deployment strategies, ranging from highly customizable environments using Google Compute Engine (GCE) to managed solutions like Google Kubernetes Engine (GKE). Specifically, you’ll learn how to create clusters and deploy GKE for inference.

了解详情

歡迎來到 Cloud TPU 課程。我們將探討在各種情境下使用 TPU 的優缺點，並比較不同的 TPU 加速器，協助您選擇合適的工具。您將瞭解如何盡可能提高 AI 模型的效能和效率，以及互通的 GPU/TPU 對於打造靈活的機器學習工作流程有多重要。我們會透過引人入勝的內容和實際演示，一步步引導您有效運用 TPU。

了解详情

想瞭解 AI 背後的強大硬體嗎？本單元將深入解析針對效能最佳化的 AI 電腦，說明其重要性。我們將探討 CPU、GPU 和 TPU 如何大幅加速 AI 任務運算，分析各自的特點，以及 AI 軟體如何充分利用這些硬體效能。單元結束後，您將清楚掌握如何根據 AI 專案挑選合適的 GPU，並做出明智的 AI 工作負載決策。

了解详情

準備開始使用 AI Hypercomputer 了嗎？這門課程可讓您快速上手！我們將介紹這個架構的基本概念，以及此架構如何幫助 AI 處理 AI 工作負載。您將瞭解 Hypercomputer 內的不同元件，例如 GPU、TPU 和 CPU，以及如何視需求選擇合適的部署方法。

了解详情

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。

了解详情

本課程涵蓋「AI 隱私權」和「AI 安全性」這兩個重要主題。我們將介紹實用的方法和工具，協助您運用 Google Cloud 產品和開放原始碼工具，導入 AI 隱私權和安全性的建議做法。

了解详情

人工智慧 (AI) 帶來轉型可能，但全新資安挑戰也隨著出現。本課程介紹資料安全和保護的策略，可幫助相關領域的領導者，在企業內部安全地管理 AI。您可以瞭解如何建立框架，主動辨別和減輕 AI 特有的風險、保護機密資料、確實法規遵循，並打造堅韌的 AI 基礎架構。我們提供四個不同產業的案例，帶您探索如何實際應用這些策略。

了解详情

本課程旨在說明 AI 的可解釋性和透明度概念、探討 AI 透明度對開發人員和工程師的重要性。課程中也會介紹實務方法和工具，有助於讓資料和 AI 模型透明且可解釋。

了解详情

本課程將複習 Model Armor 的基本安全功能，讓您具備使用這項服務的能力。您將瞭解 LLM 的相關安全風險，以及 Model Armor 如何保護 AI 應用程式。

了解详情

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。

了解详情

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.

了解详情

「生成式 AI 代理：實現組織轉型」是 Gen AI Leader 學習路徑的第五堂也是最後一堂課程。本課程將探討組織如何運用自訂生成式 AI 代理，解決特定的業務難題。您將動手練習建構基本的生成式 AI 代理，同時探索這類代理的各種元件，例如模型、推論迴圈和工具。

了解详情

「生成式 AI 應用程式：徹底改變工作方式」是 Generative AI Leader 學習路徑的第四門課程。本課程將介紹 Google 的生成式 AI 應用程式,例如 Gemini for Workspace 和NotebookLM,也會引導您瞭解各種概念,像是建立基準、檢索增強生成、建構有效的提示詞,以及打造自動化工作流程等。

了解详情

「生成式 AI：掌握幕後技術與環境」是 Generative AI Leader 學習路徑的第三門課程。生成式 AI 正在改變我們的工作方式,以及我們如何與周遭的世界互動。身為領導者,您要如何駕馭 AI 強大的功能,創造實際業務成果?在本課程中,您將認識建構生成式 AI 解決方案時的各個層面、Google Cloud 產品,以及選擇解決方案時應考量的因素。

了解详情

「生成式 AI: 瞭解基礎概念」是 Generative AI Leader 學習路徑的第二門課程。在本課程中,您將瞭解 AI、機器學習和生成式 AI 的差異,以及各種資料類型如何協助生成式 AI 解決業務難題,進而掌握生成式 AI 的基礎概念。您還能深入瞭解 Google Cloud 應對基礎 模型限制的策略,以及開發、部署安全且負責任的 AI 技術時面臨的主要挑戰。

了解详情

「生成式 AI：不只是聊天機器人」是 Generative AI Leader 學習路徑的第一門課程,沒有任何修課條件。本課程將帶您超越基本知識,進一步瞭解聊天機器人,探索如何在組織中充分發揮生成式 AI 的潛力。您將瞭解基礎模型和提示工程等概念,掌握善用生成式AI 的關鍵。本課程也會帶您瞭解擬定生成式 AI 策略時的多種重要考量,協助您為組織擬定出成功的策略。

了解详情

建立您的第一個 Gemini Enterprise 應用程式，獲得技能徽章！將各種資料來源連接到您的應用程式，建立強大的統合式搜尋和分析引擎。掌握 Deep Research 代理、多代理構思和 NotebookLM 等進階功能，進行重點分析。

了解详情

瞭解 AI 代理如何發揮更高的業務影響力，包括根據您的 KPI 規劃要使用的代理類型，以及探索能解決實際瓶頸的用途。您也將認識各種無程式碼到高程式碼解決方案，瞭解 Gemini Enterprise 如何協助建構和自動調度合適的代理。

了解详情

AI 代理是超越傳統大型語言模型 (LLM) 的重大轉變，這類服務不僅可以生成以文字為基礎的解決方案，還能自主加以執行。本課程介紹 AI 代理的基礎知識、與 LLM API 的差異，以及在實際應用上帶來的價值。本課程內容奠基於 Google 的代理白皮書，介紹實際編寫代理程式碼之前所需的理論基礎，非常適合有意透過目標導向自主行為 (不僅限於文字生成) 來理解 AI 系統的開發人員、架構師和技術決策者。加入社群論壇，提出問題並參與討論。

了解详情

瞭解 AI 代理的概念，探索代理如何藉由自主行動及推論解決複雜問題。您將瞭解代理如何透過模型、工具和調度管理程序等技術架構，助您學習、規劃和實現目標。

了解详情

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。

了解详情

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。

了解详情