成为会员时间：2026
Google Workspace 用户和资源管理
Earned Jun 16, 2026 EDT
Google Workspace 核心服务
Earned Jun 14, 2026 EDT
编码器-解码器架构
Earned Jan 19, 2026 EST
图像生成简介
Earned Jan 19, 2026 EST
负责任的 AI 简介
Earned Jan 19, 2026 EST
大型语言模型简介
Earned Jan 19, 2026 EST
生成式 AI 简介
Earned Jan 19, 2026 EST
本课程旨在帮助您了解 Google Workspace 中的用户和资源管理流程。学员将探索如何根据组织的需求配置组织部门。此外，学员还将了解如何管理各种类型的 Google 群组。他们还将掌握在 Google Workspace 中管理网域设置的专业知识。最后，学员将掌握如何在 Google Workspace 环境中优化和构建资源。
本课程旨在让学员全面了解 Google Workspace 核心服务。学员将探索如何启用、停用这些服务（包括 Gmail、Google 日历、云端硬盘、Meet、Chat 和文档）以及为这些服务配置设置。随后，他们将学习如何部署和管理 Gemini，以赋能用户。最后，学员将了解 AppSheet 和 Apps 脚本的应用场景，学习如何使用它们自动执行任务并扩展 Google Workspace 应用的功能。
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。
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。