成为会员时间：2026
借助 Google Cloud 人工智能进行创新
Earned Jan 7, 2026 EST
AI Infrastructure：Cloud TPU
Earned Jan 7, 2026 EST
大型语言模型简介
Earned Jan 7, 2026 EST
编码器-解码器架构
Earned Jan 7, 2026 EST
Transformer 模型和 BERT 模型
Earned Jan 7, 2026 EST
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。
欢迎学习 Cloud TPU 课程。我们将探讨 TPU 在不同场景下的优势和劣势，并比较不同的 TPU 加速器，以帮助您选择合适的加速器。您将了解可通过哪些策略充分提高 AI 模型的性能和效率，并理解 GPU/TPU 互操作性对于创建灵活的机器学习工作流程的重要性。通过引人入胜的课程内容和实际演示，您将逐步了解如何有效利用 TPU。
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。
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。