加入 登录

Mohan Vamsidhar Reddy Gangara

成为会员时间:2026

黄金联赛

2866 积分
使用 Gemini Enterprise 编排多智能体工作流 Earned Nov 1, 2026 EST
生成式 AI 简介 Earned Oct 24, 2026 EDT
在 Google Cloud 上存储、处理和管理数据 - 控制台 Earned Oct 20, 2026 EDT
打造您的首个 Gemini Enterprise 应用 Earned Oct 20, 2026 EDT
用 Cloud Vision API 分析图片 Earned Oct 20, 2026 EDT
使用预训练 API 实现语音和语言解决方案 Earned Oct 19, 2026 EDT
Google Cloud 云计算基础知识 Earned Oct 19, 2026 EDT
使用智能体开发套件 (ADK) 打造您的首个智能体 Earned Aug 19, 2026 EDT
Machine Learning Operations (MLOps): Getting Started Earned Aug 17, 2026 EDT

完成入门级使用 Gemini Enterprise 编排多智能体工作流技能徽章课程,展示您在以下方面的技能:使用由 Gemini Enterprise 提供支持的智能体助理整合来自第一方和第三方来源的数据、制作多媒体营销材料,以及跨系统自动执行业务操作。 技能徽章通过动手实验和挑战赛形式的评估,检验您对特定产品的实际知识掌握情况。完成课程即可获得徽章,也可直接参加实验室挑战赛,快速获得徽章。徽章可证明您掌握技能的熟练程度,提升您的专业形象,最终助您获得更多职业机会。欢迎访问您的个人资料,跟踪您已获得的徽章。

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

Cloud Storage, Cloud Functions 和 Cloud Pub/Sub 都是 Google Cloud Platform 服务,可用于存储、处理和管理数据。这三项 服务可结合使用,创建各种数据驱动型应用。在 此技能徽章课程中,您将使用 Cloud Storage 存储图片,使用 Cloud Functions 函数 处理图片,并使用 Cloud Pub/Sub 将图片发送到另一个应用。

了解详情

打造您的首个 Gemini Enterprise 应用,赢得技能徽章!将各种数据源连接到您的应用中,构建强大、统一的搜索和分析引擎。掌握进阶能力,如:深度研究型智能体、多智能体协同构思,以及用于进行聚焦式分析的 NotebookLM。

了解详情

完成用 Cloud Vision API 分析图片课程,赢取技能徽章。在此挑战任务中,您将了解如何利用 Cloud Vision API 执行各种任务,包括从图片中提取文本。

了解详情

完成使用预训练 API 实现语音和语言解决方案课程以获得技能徽章,了解如何使用与语音相关的 API 工具来合成和转录语音。

了解详情

完成Google Cloud 云计算基础知识挑战任务,赢取技能徽章。 您将学习如何在 Compute Engine 中使用虚拟机 (VM)、永久性 磁盘和 Web 服务器。

了解详情

使用 Google 的智能体开发套件 (ADK) 构建、配置和运行您的第一个 AI 智能体,将您对智能体的理解转化为实际应用。 在本实操课程中,您将设置一个完整的 ADK 开发环境,使用 Python 代码和 YAML 配置两种方式创建智能体,并通过多个界面运行智能体。您还将学习定义智能体行为的核心参数,将您在课程 1 中学到的知识应用到实际代码中。 探索 Gemini Enterprise Agent Ready (GEAR) 计划中的其他内容。

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