Madhu Babu Ganga
成为会员时间:2021
青铜联赛
19149 积分
成为会员时间:2021
完成在 Google Cloud 中管理 Kubernetes这一中级技能徽章课程, 展示您在以下方面的技能:使用 kubectl 管理部署、监控并 调试在 Google Kubernetes Engine (GKE) 上运行的应用,以及持续交付技术。
完成本课程,赢取使用智能体开发套件 (ADK) 构建 AI 智能体中级技能徽章,展示您在以下方面的技能: 提出实际的语言模型研究问题;构建一个简单的词元化器;制作用于训练 Transformer 语言模型的数据集;运行小语言模型的训练循环。
完成 云架构:设计、实施和管理课程,赢取技能徽章,展示您在以下方面的技能:使用 Apache Web 服务器部署可公开访问的网站;使用启动脚本配置 Compute Engine 虚拟机; 使用 Windows 堡垒主机和防火墙规则配置安全 RDP;构建 Docker 映像并将其部署到 Kubernetes 集群,然后进行更新;以及创建 CloudSQL 实例并导入 MySQL 数据库。 此技能徽章课程是非常有用的资源, 可帮助您理解 Google Cloud 认证 Professional Cloud Architect 认证考试中将会出现的主题。
完成在 Google Cloud 上实施云安全基础措施技能徽章中级课程, 展示自己在以下方面的技能:使用 Identity and Access Management (IAM) 创建和分配角色; 创建和管理服务账号;跨虚拟私有云 (VPC) 网络实现专用连接; 使用 Identity-Aware Proxy 限制应用访问权限; 使用 Cloud Key Management Service (KMS) 管理密钥和加密数据;创建专用 Kubernetes 集群。
在本课程中,您将学习如何使用 Google 的可移植 UI 工具包 Flutter 来开发应用,并将开发的应用与 Google 的生成式 AI 模型家族 Gemini 相集成。您还将练习使用 Vertex AI Agent Builder,这是 Google 为构建和管理 AI 智能体及应用而提供的平台。
完成中级技能徽章课程通过 BigQuery ML 创建机器学习模型,展示您在以下方面的技能: 使用 BigQuery ML 创建和评估机器学习模型,以执行数据预测。
“生成式 AI 智能体:助力组织转型”是“Gen AI Leader”学习路线中的第五门课程,也是最后一门课程。本课程探讨了组织如何使用量身定制的生成式 AI 智能体,帮助应对特定的业务挑战。您将亲自动手构建一个基本的生成式 AI 智能体,并探索这些智能体的组成部分,例如模型、推理循环以及各种工具。
“生成式 AI 应用:改变工作方式”是 Generative AI Leader 学习路线的第四门课程。本课程介绍 Google 的生成式 AI 应用,例如 Gemini for Workspace 和 NotebookLM。它将引导您逐一了解接地、检索增强生成、构建有效提示和构建自动化工作流等概念。
“生成式 AI:全面了解生成式 AI”是“Gen AI Leader”学习路线中的第三门课程。生成式 AI 正在改变我们的工作方式以及与世界的互动方式。作为领导者,应该如何利用生成式 AI 来推动实际业务成果?在本课程中,您将探索构建生成式 AI 解决方案的不同层级、Google Cloud 的产品/服务,以及选择解决方案时需要考虑的因素。
生成式 AI:剖析基本概念是“Gen AI Leader”学习路线的第二门课程。在本课程中,您将探索 AI、机器学习和生成式 AI 之间的差异,了解各种数据类型如何赋能生成式 AI 来应对业务挑战,从而了解生成式 AI 的基本概念。您还将深入了解 Google Cloud 应对基础模型局限性的策略,以及负责任和安全的 AI 开发与部署面临哪些关键挑战。
生成式 AI:不只是聊天机器人是 Gen AI Leader 学习路线的第一门课程,没有前提条件要求。本课程旨在带您超越对聊天机器人的浅层认知,深入挖掘生成式 AI 为您的组织带来的真正潜力。您将探索基础模型和提示工程等概念,它们对于利用生成式 AI 的强大功能至关重要。本课程还将提供指导,让您了解在为组织制定成功的生成式 AI 策略时,应考虑哪些重要因素。
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。
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。
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。
完成 在 Agent Platform 中设计提示入门技能徽章课程,展示以下方面的技能: Agent Platform 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。
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。
“Google Cloud 基础知识:核心基础设施”介绍在使用 Google Cloud 时会遇到的重要概念和术语。本课程通过视频和实操实验来介绍并比较 Google Cloud 的多种计算和存储服务,并提供重要的资源和政策管理工具。
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。
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。
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。
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.
完成开发 Google Cloud 网络课程,赢取技能徽章。在此课程中,您将学习 部署和监控应用的多种方法,包括执行以下任务的方法:探索 IAM 角色并添加/移除 项目访问权限、创建 VPC 网络、部署和监控 Compute Engine 虚拟机、 编写 SQL 查询、在 Compute Engine 中部署和监控虚拟机,以及使用 Kubernetes 通过多种部署方法部署应用。
完成中级技能徽章课程“优化 Google Kubernetes Engine 的费用”, 展示您在以下方面的技能:创建和管理多租户集群、按命名空间监控资源使用情况、 配置集群和 Pod 自动扩缩以提高效率、设置负载均衡以实现最佳资源分布, 以及实现活跃性与就绪性探测以确保应用正常运行并具有成本效益。
完成在 Google Cloud 上使用 Terraform 构建基础设施技能徽章中级课程, 展示您在以下方面的技能:在使用 Terraform 时遵循基础设施即代码 (IaC) 原则;利用 Terraform 配置 来预配和管理 Google Cloud 资源;管理有效状态(本地和远程);以及将 Terraform 代码模块化,以方便重复使用和整理。
完成“在 Google Cloud 上设置应用开发环境”课程,赢取技能徽章;通过该课程,您将了解如何使用以下技术的基本功能来构建和连接以存储为中心的云基础设施: Cloud Storage、Identity and Access Management、Cloud Functions 和 Pub/Sub。
完成入门级技能徽章课程为 Compute Engine 实现云负载均衡,展示以下方面的技能: 在 Compute Engine 中创建和部署虚拟机 以及配置网络和应用负载均衡器。
Security is an uncompromising feature of Google Cloud Platform services, and GCP has developed specific tools for ensuring safety and identity across your projects. In this game you will get hands-on practice with various security tools of the Google Cloud Platform.
The experienced user of Google Cloud will learn how to describe build, change, provision, and destroy infrastructure, using Terraform in the cloud environment. In these hands-on labs, you will learn how to import existing infrastructure, write Terraform configuration that matches that infrastructure, and manipulate state storage with Terraform. You will demonstrate provider installation and versioning. Build, change, provision, and destroy basic infrastructure and review the Terraform plan to ensure the configuration matches the expected state and infrastructure.
Welcome Gamers! Test your skills and learn BigQuery, all while having fun! You will compete to see who can finish the game with the highest score. Earn the points by completing the steps in the lab.... and get bonus points for speed! Be sure to click "End" when you're done with each lab to get the maximum points. All players will be awarded the game badge.