加入 登录

在 Google Cloud 控制台中运用您的技能

Pratul Singh Raghava

成为会员时间：2022

黄金联赛

7935 积分
Responsible AI: 和 Google Cloud 一起践行 AI 原则 Earned Apr 13, 2024 EDT
在 Vertex AI 中设计提示 Earned Apr 13, 2024 EDT
Transformer 模型和 BERT 模型 Earned Jun 4, 2023 EDT
注意力机制 Earned Jun 4, 2023 EDT
编码器-解码器架构 Earned Jun 4, 2023 EDT
图像生成简介 Earned Jun 4, 2023 EDT
负责任的 AI 简介 Earned Jun 4, 2023 EDT
大型语言模型简介 Earned Jun 4, 2023 EDT
生成式 AI 简介 Earned Jun 2, 2023 EDT
Understanding LookML in Looker Earned Aug 5, 2022 EDT
面向机器学习的 BigQuery Earned Aug 5, 2022 EDT
Intermediate ML: TensorFlow on Google Cloud Earned Aug 5, 2022 EDT
DEPRECATED BigQuery Basics for Data Analysts Earned Aug 4, 2022 EDT
NCAA® March Madness®: Bracketology with Google Cloud Earned Jul 22, 2022 EDT

随着企业对人工智能和机器学习的应用越来越广泛，以负责任的方式构建这些技术也变得更加重要。但对很多企业而言，真正践行 Responsible AI 并非易事。如果您有意了解如何在组织内践行 Responsible AI，本课程正适合您。 本课程将介绍 Google Cloud 目前如何践行 Responsible AI，以及从中总结的最佳实践和经验教训，便于您以此为框架构建自己的 Responsible AI 方法。

了解详情

完成 在 Vertex AI 中设计提示入门技能徽章课程，展示以下方面的技能： Vertex AI 中的提示工程、图片分析和多模态生成式技术。探索如何编写有效的提示，指导生成式 AI 输出， 以及将 Gemini 模型应用于真实的营销场景。

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

这是一节入门级微课程，旨在解释什么是负责任的 AI、它的重要性，以及 Google 如何在自己的产品中实现负责任的 AI。此外，本课程还介绍了 Google 的 7 个 AI 开发原则。

了解详情

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。

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

In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.

了解详情

想要仅使用 SQL 就能在几分钟内构建机器学习模型，而不是花费数小时？BigQuery 借助机器学习，数据分析师能够使用现有的 SQL 工具和技能创建、训练、评估机器学习模型，并使用这些模型进行预测， 从而实现机器学习的普及。在 本系列实验中，您将尝试不同的模型类型，并了解 如何构建出色的模型。

了解详情

TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.

了解详情

Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.

了解详情

In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.

了解详情