Joel Andres Chura Quispe
成为会员时间:2024
钻石联赛
6678 积分
成为会员时间:2024
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。
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。
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。
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。
本課程專為 Google Cloud 開發人員和 DevOps 工程師設計,建議的修習對象為熟悉 Google Cloud 控制台基本操作,且需要為組織設定 Gemini Code Assist 者。課程將介紹 Gemini Code Assist 的優點、比較不同版本的功能,並展示如何在組織內設定及管理 Gemini Code Assist。
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。
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。
「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。
「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。
「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。
「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。
「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。
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。
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。
本課程將介紹擴散模型,這是一種機器學習模型,近期在圖像生成領域展現亮眼潛力。概念源自物理學,尤其深受熱力學影響。過去幾年來,在學術界和業界都是炙手可熱的焦點。在 Google Cloud 中,擴散模型是許多先進圖像生成模型和工具的基礎。課程將介紹擴散模型背後的理論,並說明如何在 Vertex AI 上訓練和部署這些模型。
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。
This quiz tests your GDC Air-Gapped Practitioner Fundamentals knowledge.
The course explores advanced services such as machine learning, and operational topics such as application deployment, monitoring, and troubleshooting. In addition, we’ll introduce GDC software upgrades, logging, billing, and cost monitoring.
The course examines service resources or workload components that exist in projects. You’ll learn about Kubernetes in GDC, Artifact Registry, GDC Object Storage, Database Service, Networking, and Key Management and Security.
This course provides an introduction to the GDC platform—which enables you to host, control, and manage infrastructure and services directly on your premises. GDC air-gapped is one component of Google Distributed Cloud offering which aligns to Google’s digital sovereignty vision. It supports public-sector customers and commercial entities that have strict data residency, security or privacy requirements.