加入 登录

Radu Mihai

成为会员时间：2023

探索生成式 AI - Agent Platform Earned Jul 5, 2025 EDT
生成式 AI 简介 Earned Jun 30, 2025 EDT
Machine Learning Operations (MLOps): Getting Started Earned Jun 30, 2025 EDT
Production Machine Learning Systems Earned Jun 29, 2025 EDT
在 Vertex AI 上构建和部署机器学习解决方案 Earned May 19, 2025 EDT
利用 BigQuery ML 构建预测模型时的数据工程处理 Earned May 4, 2025 EDT
在 Google Cloud 上使用 TensorFlow 进行图片分类 Earned Apr 19, 2025 EDT
面向机器学习的 BigQuery Earned Apr 9, 2025 EDT
在 Google Cloud 上为机器学习 API 准备数据 Earned Apr 3, 2025 EDT
Google Cloud 上的 AI 和机器学习简介 Earned Mar 31, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Jan 2, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Dec 26, 2023 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Nov 6, 2023 EST
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Oct 2, 2023 EDT

探索生成式 AI - Agent Platform”课程包含一系列实验， 指导用户在 Google Cloud 平台上使用生成式 AI。通过这些实验，您将了解 如何在 Agent Platform 中使用 Gemini 模型。您还将了解提示设计、最佳实践， 以及如何使用生成式 AI 进行构思、文本分类、文本提取、文本摘要等。此外， 您将学习如何通过 Agent Platform 中的自定义训练来训练基础模型， 从而对其进行调优，以及如何将其部署到 Agent Platform 中的端点。

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

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

了解详情

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

了解详情

完成在 Vertex AI 上构建和部署机器学习解决方案课程，赢取中级技能徽章。 在此课程中，您将了解如何使用 Google Cloud 的 Vertex AI Platform、AutoML 以及自定义训练服务来 训练、评估、调优、解释和部署机器学习模型。 此技能徽章课程的目标受众是专业的数据科学家和机器学习 工程师。 技能徽章是由 Google Cloud 颁发的专属数字徽章，旨在认可 您对 Google Cloud 产品与服务的熟练度；您需要在 交互式实操环境中参加考核，证明自己运用所学知识的能力后才能获得此徽章。完成此技能徽章课程 和作为最终评估的实验室挑战赛，即可获得数字徽章， 在您的人际圈中炫出自己的技能。

了解详情

完成中级技能徽章课程利用 BigQuery ML 构建预测模型时的数据工程处理， 展示自己在以下方面的技能：利用 Dataprep by Trifacta 构建 BigQuery 数据转换流水线； 利用 Cloud Storage、Dataflow 和 BigQuery 构建提取、转换和加载 (ETL) 工作流； 以及利用 BigQuery ML 构建机器学习模型。

了解详情

完成“在 Google Cloud 上使用 TensorFlow 进行图片分类”课程，赢取中级技能徽章 。在此课程中，您将学习如何使用 TensorFlow 和 Vertex AI 来创建和训练机器学习模型。您将主要使用 Vertex AI Workbench 上用户管理的 笔记本。

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

完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据，展示以下技能： 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Managed Service for Apache Spark 中创建集群和运行 Apache Spark 作业，以及调用机器学习 API，包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

了解详情

本课程介绍 Google Cloud 的 AI 和机器学习 (ML) 能力，重点讲解如何开发生成式和预测式 AI 项目。本课程将探讨“数据到 AI”全生命周期中的多种技术、产品和工具，并通过互动练习帮助数据科学家、AI 开发者和机器学习工程师提升专业能力。

了解详情

Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.

了解详情

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

了解详情

While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.

了解详情

This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

了解详情