SRI SRAVYA SUBBALAKSHMI YELLAVAJHALA
Member since 2026
Diamond League
6759 points
Member since 2026
「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 Gen 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,以及與周遭世界的互動模式。身為領導者,您要如何駕馭其強大的功能,創造實際的業務成果?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 產品與服務,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 Gen 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,以及各種類型的資料如何協助生成式 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 因應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 Gen AI Leader 學習路徑的第一門課程,沒有先修條件。本課程旨在帶領您超越對聊天機器人的基本認識,探索生成式 AI 能為貴組織帶來的真正潛力。您將瞭解基礎模型和提示工程等概念,這些都是發揮生成式 AI 威力的關鍵。本課程也會引導您思考重要事項,協助您為貴組織制定成功的生成式 AI 策略。
完成運用 Gemini Enterprise 自動調度管理多代理工作流程技能徽章的入門課程,即可證明您具備下列技能:使用 Gemini Enterprise 支援的代理型助理,整合第一方和第三方來源的資料;開發多媒體行銷素材資源;以及自動執行跨系統的業務行動。技能徽章課程透過實作實驗室和挑戰評量,檢驗學員對於特定產品的實作知識。完成課程或直接進行挑戰實驗室,即可取得徽章。徽章可證明您的專業能力、提升專業形象,開創更多職涯發展機會。前往個人資料頁面,追蹤您獲得的徽章。
使用 Agent Development Kit (ADK) 建構、設定及執行您的第一個 AI 代理,將自身代理知識化為實際成果。 在這堂實作課程,您會設立完整的 ADK 開發環境,並使用 Python 程式碼和 YAML 設定打造代理,然後透過多個介面執行。您也會瞭解定義代理行為的核心參數,將課程 1 的學習成果轉化為實際運作的程式碼。
瞭解如何使用 Agent Development Kit (ADK),建構複雜的 AI 代理並用於正式環境。本課程介紹 ADK 的開放原始碼框架,包括簡單的提示工程,以及程式碼優先的結構化軟體開發做法 (適用於企業級多代理系統)。
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。
本課程介紹 AI 代理的基礎知識,並探討代理的實際應用價值。代理可為開發人員、架構師和技術決策者奠定基礎,協助他們從目標導向的自主行為角度來理解 AI 系統。
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。
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。