Druv R Menon
Member since 2026
Diamond League
6202 points
Member since 2026
完成「在 Agent Platform 探索生成式 AI」技能徽章中階課程,即可證明自己具備下列技能: 可運用 Gemini API 生成文字、分析圖片和影片來強化內容創作能力,還能使用函式呼叫技巧。 本課程將帶您瞭解如何善用進階的 Gemini 技術、使用多模態內容生成功能,並提升 AI 專案的潛力。
完成透過 Google Cloud 建構網站技能徽章課程,即可獲得入門級技能徽章。 本課程以 Get Cooking in Cloud 系列影片為基礎, 涵蓋以下主題:在 Cloud Run 部署網站在 Compute Engine 託管網頁應用程式在 Google Kubernetes Engine 建立、 部署及擴充網站使用 Cloud Build 將單體式應用程式遷移至微服務架構
Cloud Storage、Cloud Functions 和 Cloud Pub/Sub 都是 Google Cloud Platform 服務, 可用於儲存、處理及管理資料。您可以整合運用這三種服務, 打造各式各樣的資料導向應用程式。在這個技能徽章課程中, 您將使用 Cloud Storage 儲存圖片、透過 Cloud Functions 處理, 並利用 Cloud Pub/Sub 將圖片傳送至其他應用程式。
完成使用預訓練 API 實現語音和語言解決方案課程以獲得技能徽章,了解如何使用與語音相關的 API 工具來合成和轉錄語音。
完成「為 Google Cloud 設定服務帳戶和 IAM 角色」課程,即可獲得入門級技能徽章。這門課程會介紹服務帳戶、自訂角色,以及如何使用 gcloud 設定權限。
完成「Google Cloud Compute 基本操作」任務, 學習如何在 Compute Engine 中使用虛擬機器 (VM)、永久磁碟 和網路伺服器,即可獲得技能徽章。
完成「透過 Google AI Studio 開發 AI 輔助原型」技能徽章入門課程,證明您具備下列技能:編寫有效的提示詞、運用多模態功能分析圖像和影片、 依據範本和文字提示詞設計可運作的 AI 應用程式原型,以及使用 API 金鑰建構及部署自訂 AI 解決方案。
「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。
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。
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。
這堂課程將說明變換器架構,以及基於變換器的雙向編碼器表示技術 (BERT) 模型,同時帶您瞭解變換器架構的主要組成 (如自我注意力機制) 和如何用架構建立 BERT 模型。此外,也會介紹 BERT 適用的各種任務,像是文字分類、問題回答和自然語言推論。課程預計約 45 分鐘。
本課程將介紹注意力機制,說明這項強大技術如何讓類神經網路專注於輸入序列的特定部分。此外,也將解釋注意力的運作方式,以及如何使用注意力來提高各種機器學習任務的成效,包括機器翻譯、文字摘要和回答問題。
完成「使用 Google API 分析語音和語言」課程, 瞭解如何將 Natural Language API 和 Speech API 投入實際應用, 即可獲得技能徽章。
完成「保護 Lakehouse 資料」技能徽章入門課程,即可證明您具備下列技能:在 Knowledge Catalog 中使用 IAM、BigQuery、 Lakehouse 和 Data Catalog,建立並保護 Lakehouse 資料表。
完成「搭配使用 API 和 Cloud Storage」 技能徽章入門課程,即可證明您具備下列技能: 搭配使用 API 和 Cloud Storage 資源,包括 Cloud Storage API。
完成使用 Cloud Vision API 分析圖片課程,即可獲得技能徽章。本課程說明如何運用 Cloud Vision API 執行各種工作,包括擷取圖片中的文字。
完成「使用 Google Cloud Speech API」課程,即可獲得技能徽章。本課程將說明如何建立 Speech-to-Text API 要求、將音訊 及語音轉錄為文字。