Maggie Nanyonga
Member since 2026
Gold League
13560 points
Google Kubernetes Engine 成本效益最佳化
Earned Sep 12, 2026 EDT
Architecting an AI Inference Stack
Earned Sep 11, 2026 EDT
How to Use TPUs for Inference
Earned Sep 11, 2026 EDT
AI Infrastructure: Orchestration and Automation
Earned Sep 11, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned Feb 20, 2026 EST
AI 基礎架構：網路技術
Earned Feb 20, 2026 EST
AI 基礎架構：儲存空間選項
Earned Feb 20, 2026 EST
AI 基礎架構：部署類型
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
完成 Google Kubernetes Engine 成本效益最佳化 技能徽章中階課程， 即可證明您具備下列技能：建立及管理多租戶叢集、依據命名空間監控資源使用量、 設定自動調度叢集和 Pod 資源以提升效能、設定負載平衡以最佳化 資源分配，以及導入有效性和完備性探測，確保應用程式維持健康並符合成本效益。
Learn more
This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1.
Learn more
This course is for developers interested in learning how to use TPUs for inference—from architecture to deployment, and how to solve common implementation challenges.
Learn more
This course covers the automation and operational management of GKE clusters optimized for distributed AI and machine learning workloads. You will learn to provision accelerator resources, configure advanced workload queueing, mitigate capacity constraints, and orchestrate large-scale distributed jobs.
Learn more
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.
Learn more
歡迎來到「AI 基礎架構：網路技術」課程。本課程將說明如何運用 Google Cloud 的高頻寬、低延遲基礎架構，最佳化調整 AI 系統所有元件之間的資料傳輸和通訊。最後，您將掌握網路在整個 AI 管道 (從資料擷取、訓練到推論) 發揮的關鍵作用，並採取最佳做法，確保工作負載能以最高速度運作。
Learn more
在本課程中，您將全面瞭解 Google Cloud 提供的儲存空間解決方案，專門用於 AI 和高效能運算 (HPC) 的工作負載。您將學習如何根據機器學習生命週期的各個階段，選擇合適的儲存空間；以及探索如何在訓練期間將 I/O 效能最佳化、管理準備資料所需的龐大資料集，以及用低延遲提供模型構件。透過實際例子和示範，您將掌握專業知識，得以設計穩健的儲存空間解決方案，並加快 AI 創新。
Learn more
這堂課程會完整說明如何在 Google Cloud 部署、管理及最佳化調整 AI 和高效能運算 (HPC) 工作負載。藉由一系列課堂和實務示範，您會瞭解不同的部署策略，從使用 Google Compute Engine (GCE) 的高度可自訂環境，到 Google Kubernetes Engine (GKE) 等代管解決方案。具體來說，您會學到如何建立叢集及部署 GKE，以便執行推論工作。
Learn more
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。
Learn more
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。
Learn more
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。
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。
Learn more
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。
Learn more
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。
Learn more
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。
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
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
「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。
Learn more
「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。
Learn more
「生成式 AI：掌握幕後技術與環境」是 Gen 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，以及與周遭世界的互動模式。身為領導者，您要如何駕馭其強大的功能，創造實際的業務成果？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 產品與服務，以及選擇解決方案時應考量的因素。
Learn more
生成式 AI：瞭解基礎概念是 Gen 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，以及各種類型的資料如何協助生成式 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 因應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。
Learn more
「生成式 AI：不只是聊天機器人」是 Gen AI Leader 學習路徑的第一門課程，沒有先修條件。本課程旨在帶領您超越對聊天機器人的基本認識，探索生成式 AI 能為貴組織帶來的真正潛力。您將瞭解基礎模型和提示工程等概念，這些都是發揮生成式 AI 威力的關鍵。本課程也會引導您思考重要事項，協助您為貴組織制定成功的生成式 AI 策略。
Learn more
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。
Learn more
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。
Learn more
本課程介紹 AI 代理的基礎知識，並探討代理的實際應用價值。代理可為開發人員、架構師和技術決策者奠定基礎，協助他們從目標導向的自主行為角度來理解 AI 系統。
Learn more
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。
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
