加入 登录

Umarani Arunachalam

成为会员时间:2025

钻石联赛

6902 积分
在 Compute Engine 導入 Cloud Load Balancing Earned Jan 7, 2026 EST
Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 Earned Dec 31, 2025 EST
Google Cloud 資料分析簡介 Earned Dec 9, 2025 EST
Google Cloud 運算的基本概念:Google Cloud 基礎架構 Earned Dec 5, 2025 EST
Google Cloud 運算的基本概念:Cloud 運算基礎知識 Earned Dec 1, 2025 EST
生成式 AI 簡介 Earned Jul 7, 2025 EDT
Transformer 和 BERT 模型 Earned Jul 3, 2025 EDT
編碼器-解碼器架構 Earned Jul 2, 2025 EDT
注意力機制 Earned Jun 24, 2025 EDT
圖像生成簡介 Earned Jun 23, 2025 EDT

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。

了解详情

Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。 完成這一系列課程後,學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI 第三門課涵蓋雲端自動化和管理工具,以及建構安全網路。

了解详情

這堂初級課程將介紹 Google Cloud 的資料分析工作流程,以及用於探索、分析資料並以圖表呈現的工具。您也能學會如何與相關人員分享自己的發現結果。本課程包含個案研究、實作實驗室、講座、測驗和示範,實際展示如何將原始資料集轉化為清晰的資料,進而呈現出能發揮成效的圖表和資訊主頁。無論您是資料領域從業人員、想瞭解如何透過 Google Cloud 取得成功,或有意在職涯中更上一層樓,本課程都能協助您踏出第一步。絕大多數在工作上執行或運用資料分析的學員,都能從本課程受益。

了解详情

Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。完成這一系列課程後,學員將能闡述這些概念並展示實用技能。學員需依序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI

了解详情

Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。完成這一系列課程後,學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI 第一門課會概略說明雲端運算、Google Cloud 的使用方式,以及不同的運算選項。

了解详情

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。

了解详情

這堂課程將說明變換器架構,以及基於變換器的雙向編碼器表示技術 (BERT) 模型,同時帶您瞭解變換器架構的主要組成 (如自我注意力機制) 和如何用架構建立 BERT 模型。此外,也會介紹 BERT 適用的各種任務,像是文字分類、問題回答和自然語言推論。課程預計約 45 分鐘。

了解详情

本課程概要說明解碼器與編碼器的架構,這種強大且常見的機器學習架構適用於序列對序列的任務,例如機器翻譯、文字摘要和回答問題。您將認識編碼器與解碼器架構的主要元件,並瞭解如何訓練及提供這些模型。在對應的研究室逐步操作說明中,您將學習如何從頭開始使用 TensorFlow 寫程式,導入簡單的編碼器與解碼器架構來產生詩詞。

了解详情

本課程將介紹注意力機制,說明這項強大技術如何讓類神經網路專注於輸入序列的特定部分。此外,也將解釋注意力的運作方式,以及如何使用注意力來提高各種機器學習任務的成效,包括機器翻譯、文字摘要和回答問題。

了解详情

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。

了解详情