Ömer Faruk Güngör
Member since 2021
Diamond League
19711 points
開發人員的負責任 AI 技術：隱私權與安全性
Earned Oct 16, 2026 EDT
開發人員的負責任 AI 技術：可解釋性與透明度
Earned Oct 16, 2026 EDT
在 Google Cloud 打造生成式 AI 應用程式
Earned Oct 16, 2026 EDT
Production Machine Learning Systems
Earned Oct 16, 2026 EDT
運用 Gemini Enterprise Agent Platform 部署多代理系統
Earned Oct 15, 2026 EDT
Google Cloud 基礎知識：核心基礎架構
Earned Sep 22, 2026 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Sep 22, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Sep 22, 2026 EDT
大型語言模型簡介
Earned Sep 22, 2026 EDT
MLOps with Agent Platform: Manage Features
Earned Sep 22, 2026 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Sep 22, 2026 EDT
運用 BigQuery ML 建立機器學習模型
Earned Sep 21, 2026 EDT
Build a Certification Study Guide: PMLE
Earned Sep 21, 2026 EDT
Google Cloud 的 AI 和機器學習服務簡介
Earned Sep 21, 2026 EDT
使用企業資料庫建構 AI 代理
Earned Sep 17, 2026 EDT
AgentOps：在 Google Cloud 實作 AI 代理
Earned Sep 17, 2026 EDT
Orchestrate Workflows with the Data Agent Kit
Earned Sep 17, 2026 EDT
Build Agent Skills with Google
Earned Sep 17, 2026 EDT
運用工具讓 AI 代理具備所要能力
Earned Sep 17, 2026 EDT
管理 AI 代理的記憶與狀態
Earned Sep 17, 2026 EDT
使用 Agent Development Kit (ADK) 建造 AI 代理：工程設計
Earned Sep 17, 2026 EDT
AI 代理行為最佳化調整
Earned Sep 17, 2026 EDT
代理式策略：探索、設計與原型建立
Earned Sep 17, 2026 EDT
與 Google Antigravity 一同啟航：運用 AI 打造電玩遊戲
Earned Sep 17, 2026 EDT
瞭解 Google Cloud 代理
Earned Sep 17, 2026 EDT
生成式 AI 簡介
Earned Jul 25, 2026 EDT
設定 Google Cloud 網路
Earned Nov 28, 2021 EST
使用 BigQuery ML 為預測模型進行資料工程
Earned Nov 27, 2021 EST
在 Google Cloud 為機器學習 API 準備資料
Earned Nov 26, 2021 EST
在 Google Cloud 設定應用程式開發環境
Earned Nov 22, 2021 EST
DEPRECATED Cloud Architecture
Earned Nov 19, 2021 EST
建立 Google Cloud 網路
Earned Nov 15, 2021 EST
在 Compute Engine 導入 Cloud Load Balancing
Earned Nov 12, 2021 EST
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
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
大型語言模型 (LLM) 誕生之後，生成式 AI 應用程式帶來的嶄新使用者體驗，可說是幾乎前所未有。身為應用程式開發人員，您要如何在 Google Cloud，運用生成式 AI 建立出色的互動式應用程式？
本課程將帶您瞭解生成式 AI 應用程式，以及如何使用提示設計和檢索增強生成 (RAG)，透過 LLM 建構強大的應用程式。我們也會介紹可用於正式環境的生成式 AI 應用程式架構。您將建構採用 LLM 和 RAG 的對話應用程式。
Learn more
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators.
This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
Learn more
本課程說明如何使用 Google Agent Development Kit 建構複雜的多代理系統。您將建構配備工具的虛擬服務專員，並透過從屬關係和流程定義互動方式。您將在本機執行代理，並部署至 Gemini Enterprise Agent Platform 的 Agent Runtime，將其做為代管代理流程執行；Agent Runtime 則處理基礎架構決策和資源調度作業。請注意，這些實驗室是根據這項產品的預先發布版製成。我們會進行維護更新，因此這些研究室將可能出現延遲。
Learn more
「Google Cloud 基礎知識：核心基礎架構」介紹了在使用 Google Cloud 時會遇到的重要概念和術語。本課程會透過影片和實作實驗室，介紹並比較 Google Cloud 的多種運算和儲存服務，同時提供重要的資源和政策管理工具。
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
這是一堂入門級的微學習課程，旨在探討大型語言模型 (LLM) 的定義和用途，並說明如何調整提示來提高 LLM 成效。此外，也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。
Learn more
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.
Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
Learn more
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 more
完成「運用 BigQuery ML 建立機器學習模型」技能徽章中階課程，即可證明您具備下列技能： 可使用 BigQuery ML 建立及評估機器學習模型，並根據資料進行預測。
Learn more
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.
Learn more
本課程介紹 Google Cloud 的 AI 和機器學習 (ML) 功能，著重說明如何開發生成式和預測式 AI 專案。我們也會探討「從資料到 AI」整個生命週期都適用的技術、產品和工具，並透過互動式練習，協助資料科學家、AI 開發人員和機器學習工程師精進專業知識。
Learn more
運用 MCP Toolbox for Databases 建構可存取企業資料庫的 AI 代理。您將定義安全的資料庫互動工具，並實作智慧查詢功能 (運用向量嵌入和結構化查詢)。
Learn more
瞭解 AgentOps 做法，將生成式 AI 代理從原型轉為正式產品。本課程涵蓋端對端觀測能力、在 CI/CD 管道中自動執行品質檢查，以及保護代理基礎架構，確保企業符合法規。探索 Gemini Enterprise Agent Ready (GEAR) 計畫的其他內容。
Learn more
This course brings AI-driven, natural-language data engineering into the IDE and CLI workflows you already use. Built on the Agent Development Kit (ADK), the Data Agent Kit connects to a wide array of Google Cloud services, including BigQuery, Spanner, BigLake, Dataproc, and Managed Airflow. By using it, you can collapse days of pipeline scaffolding, data build tool (dbt) authoring, and orchestration wiring into prompt-driven sessions.
As an intermediate-to-advanced practitioner, you will learn to build a data agent with the Agent Development Kit (ADK). You'll wire up the Model Context Protocol (MCP) layer, and use your agent to explore catalogs, transform data, train models, and orchestrate scheduled pipelines on Google Cloud.
Learn more
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
Learn more
您已建立具有進階設定功能的代理，可開始賦予代理實際應用能力。為代理配備工具，使代理能搜尋網路、執行程式碼、查詢資料庫和執行自訂動作。將代理從聰明的回覆者，轉變為能採取行動的得力助手。
Learn more
您已建構能回覆查詢的基本 LLM 代理，是時候讓代理有狀態。利用工作階段狀態建構能維持對話脈絡、記住使用者偏好，並提供個人化體驗的代理。將代理從無狀態的回覆者轉為智慧助理。
查看 Gemini Enterprise Agent Ready (GEAR) 計畫的其他內容。
加入社群論壇，提出問題並參與討論
Learn more
完成「使用 Agent Development Kit (ADK) 建造 AI 代理：工程設計」技能徽章中階課程，即可證明您具備下列技能： 提出實際的語言模型研究問題、建構簡單的權杖化工具、準備資料集來訓練 Transformer 語言模型，以及執行小型語言模型的訓練迴圈。
Learn more
您已經成功打造第一個代理，是時候迎接更進階的挑戰。在本課程中，您將學習如何應用進階指令、選擇模型、建立規劃能力及結構化輸出模式，藉此將基本 AI 代理轉為高明又精確的助理，讓您的技能更上一層樓。加入社群論壇，提出問題並參與討論
Learn more
步入代理式策略的未來：探索、設計與原型建立本課程可協助您精通 Google 代理式 AI 轉型框架，並將聊天機器人轉變為自動化團隊夥伴。您將透過零售應用實例，瞭解如何量化商業價值、排定 AI 專案的優先順序、規劃關鍵使用者歷程，並透過 Google AI Studio 和 Gemini Enterprise 等無程式碼工具建構可運作的原型。此課程提供穩定的學習藍圖，可協助企業和技術主管帶領組織踏入代理式 AI 的時代。
Learn more
在本課程中，您將學習如何在 Google Antigravity 中自動調度管理代理程式，以驚人的速度建構軟體。這堂實作課程會先引導您安裝 Antigravity 並開始使用，接著，您將使用 Firebase 啟用服務，以透過 Antigravity 建構應用程式。最後，您將提示 Antigravity 中的代理程式平行運作，打造出 Voyager 電玩遊戲。
Learn more
本課程提供 Google Cloud 代理平台的完整說明，包括 Vertex AI Agent Builder、Gemini Enterprise、Conversational Agents，以及 Agent Development Kit。學員將瞭解每項產品的獨特功能，區分各特定用途適用的最佳解決方案，並掌握建立搜尋和即時通訊應用程式的基礎知識。
Learn more
這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
Learn more
完成「設定 Google Cloud 網路」課程，即可獲得技能徽章。 您將瞭解如何在 Google Cloud Platform 執行基本的網路工作，包括建立自訂網路、新增子網路防火牆規則，還有建立 VM 並測試 VM 之間的通訊延遲。
Learn more
完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。
Learn more
完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Managed Service for Apache Spark 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
Learn more
只要修完「在 Google Cloud 設定應用程式開發環境」課程，就能獲得技能徽章。 在本課程中，您將學會如何使用以下技術的基本功能，建構和連結以儲存空間為中心的雲端基礎架構：Cloud Storage、Identity and Access Management、Cloud Functions 和 Pub/Sub。
Learn more
This fundamental-level quest is unique amongst the other quest offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Cloud Architect Certification. From IAM, to networking, to Kubernetes engine deployment, this quest is composed of specific labs that will put your Google Cloud knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, we recommend that you also review the exam guide and other available preparation resources.
Learn more
完成 建立 Google Cloud 網路 課程即可獲得技能徽章。這個課程將說明 部署及監控應用程式的多種方法，包括查看 IAM 角色及新增/移除 專案存取權、建立虛擬私有雲網路、部署及監控 Compute Engine VM、編寫 SQL 查詢、在 Compute Engine 部署及監控 VM，以及 使用 Kubernetes 透過多種方法部署應用程式。
Learn more
完成「在 Compute Engine 導入 Cloud Load Balancing」技能徽章入門課程，即可證明您具備下列技能： 在 Compute Engine 建立及部署虛擬機器， 以及設定網路和應用程式負載平衡器。
Learn more
