加入 登录

Umarani Arunachalam

成为会员时间：2025

钻石联赛

6902 积分
为 Compute Engine 实现云负载均衡 Earned Jan 7, 2026 EST
Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 Earned Dec 31, 2025 EST
Google Cloud 数据分析基础知识 Earned Dec 9, 2025 EST
Google Cloud 云计算基础课程：Google Cloud 中的基础设施 Earned Dec 5, 2025 EST
Google Cloud 云计算基础课程：云计算基础知识 Earned Dec 1, 2025 EST
生成式 AI 简介 Earned Jul 7, 2025 EDT
Transformer 模型和 BERT 模型 Earned Jul 3, 2025 EDT
编码器-解码器架构 Earned Jul 2, 2025 EDT
注意力机制 Earned Jun 24, 2025 EDT
图像生成简介 Earned Jun 23, 2025 EDT

完成入门级技能徽章课程为 Compute Engine 实现云负载均衡，展示以下方面的技能： 在 Compute Engine 中创建和部署虚拟机 以及配置网络和应用负载均衡器。

了解详情

Google Cloud 云计算基础课程面向几乎没有云计算背景或经验的人士。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本课程系列后，学员将能够阐述这些概念，并展示一定的实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课是第三门课程，介绍云端自动化和管理工具以及如何构建安全网络。

了解详情

了解如何在 Google Cloud 上将原始数字转化为清晰、以数据为依据的决策。通过实操实验和实际应用场景，本新手级课程将引导您在 BigQuery 中查询数据、在 Looker 中探索趋势，以及在数据洞察中制作可共享的交互式报告。

了解详情

Google Cloud 云计算基础课程面向云计算零基础或经验较少的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握部分实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI

了解详情

Google Cloud 云计算基础课程面向云计算零基础或经验较少的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握部分实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课是第一门课程，概述了云计算、Google Cloud 的使用方式以及各种计算选项。

了解详情

这是一节入门级微课程，旨在解释什么是生成式 AI、它的用途以及与传统机器学习方法的区别。该课程还介绍了可以帮助您开发自己的生成式 AI 应用的各种 Google 工具。

了解详情

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。

了解详情

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。

了解详情

本课程将向您介绍注意力机制，这是一种强大的技术，可令神经网络专注于输入序列的特定部分。您将了解注意力的工作原理，以及如何使用它来提高各种机器学习任务的性能，包括机器翻译、文本摘要和问题解答。

了解详情

本课程向您介绍扩散模型。这类机器学习模型最近在图像生成领域展现出了巨大潜力。扩散模型的灵感来源于物理学，特别是热力学。过去几年内，扩散模型成为热门研究主题并在整个行业开始流行。Google Cloud 上许多先进的图像生成模型和工具都是以扩散模型为基础构建的。本课程向您介绍扩散模型背后的理论，以及如何在 Vertex AI 上训练和部署此类模型。

了解详情