Vertex AI is now Gemini Enterprise Agent Platform! We are currently updating our content to reflect this change. Please bear with us if you encounter naming inconsistencies during this transition.
Apply your skills in Google Cloud console
Dhruvil Patel
Member since 2025
Silver League
3212 points
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則
Earned Apr 12, 2026 EDT
負責任的 AI 技術簡介
Earned Apr 12, 2026 EDT
大型語言模型簡介
Earned Mar 30, 2026 EDT
生成式 AI 簡介
Earned Mar 30, 2026 EDT
開發人員的負責任 AI 技術：公平性與偏誤
Earned Mar 29, 2026 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Mar 29, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Mar 29, 2026 EDT
Managing Change when Moving to Google Cloud
Earned Mar 29, 2026 EDT
How to Use TPUs for Inference
Earned Mar 29, 2026 EDT
Architecting an AI Inference Stack
Earned Mar 29, 2026 EDT
隨著企業持續擴大使用人工智慧和機器學習，以負責任的方式發展相關技術也日益重要。對許多企業來說，談論負責任的 AI 技術可能不難，如何付諸實行才是真正的挑戰。如要瞭解如何在機構中導入負責任的 AI 技術，本課程絕對能助您一臂之力。
您可以從中瞭解 Google Cloud 目前採取的策略、最佳做法和經驗談，協助貴機構奠定良好基礎，實踐負責任的 AI 技術。
Learn more
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
Learn more
這是一堂入門級的微學習課程，旨在探討大型語言模型 (LLM) 的定義和用途，並說明如何調整提示來提高 LLM 成效。此外，也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。
Learn more
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。
Learn more
本課程旨在說明負責任 AI 技術的概念和 AI 開發原則，同時介紹各項技術，在實務上找出公平性和偏誤，減少 AI/機器學習做法上的偏誤。我們也將探討實用方法和工具，透過 Google Cloud 產品和開放原始碼工具，導入負責任 AI 技術的最佳做法。
Learn more
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。
Learn more
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。
Learn more
Moving to the cloud creates numerous opportunities to start working in
a new way and it empowers the workforce to better collaborate and innovate. But
it’s also a big change. Sometimes the success of the change hinges not on the change
itself, but on how it’s managed.
This course will help people managers to understand
some of the key challenges associated with cloud adoption, and provide them with
a verified in-the-field framework that will assist them in supporting their teams
on the change journey. By addressing the human factor of moving to the cloud, organizations
increase their chances of realizing business objectives and investing in their future
talent.
Learn more
This course is for developers interested in learning how to use TPUs for inference—from architecture to deployment, and how to solve common implementation challenges.
Learn more
This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1.
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則
Earned Apr 12, 2026 EDT
負責任的 AI 技術簡介
Earned Apr 12, 2026 EDT
大型語言模型簡介
Earned Mar 30, 2026 EDT
生成式 AI 簡介
Earned Mar 30, 2026 EDT
開發人員的負責任 AI 技術：公平性與偏誤
Earned Mar 29, 2026 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Mar 29, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Mar 29, 2026 EDT
Managing Change when Moving to Google Cloud
Earned Mar 29, 2026 EDT
How to Use TPUs for Inference
Earned Mar 29, 2026 EDT
Architecting an AI Inference Stack
Earned Mar 29, 2026 EDT