Shivam Garg
成为会员时间:2020
黄金联赛
8473 积分
成为会员时间:2020
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。
了解如何使用智能体开发套件 (ADK) 构建可用于生产用途的复杂 AI 智能体。本课程介绍了 ADK 的开源框架,助力开发者从简单的提示工程跨越到代码优先的结构化软件开发方法,从而构建企业级多智能体系统。
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 AI 智能体如何为业务带来实际影响。您将把智能体类型关联到您的关键绩效指标 (KPI),并探索能够解决实际瓶颈的用例。然后,您将了解 Gemini Enterprise 如何帮助您构建和编排合适的智能体,其范围涵盖从无代码到高代码的各种解决方案。
本课程将介绍 AI 智能体的基础知识,并探讨智能体在现实世界中的价值所在。它为想要从自主、目标导向行为的角度理解 AI 系统的开发者、架构师和技术决策者奠定了基础。
本课程致力于为您提供所需的知识和工具,让您能够了解 MLOps 团队在部署和管理生成式 AI 模型以及探索 Vertex AI 如何帮助 AI 团队简化 MLOps 流程时面临的独特挑战,并帮助您在生成式 AI 项目中取得成功。
大致了解 AI 智能体的概念。了解 AI 智能体如何通过自主行动和推理来解决复杂问题。您将探索技术架构(模型、工具和编排),该架构使智能体能够学习、规划,并为您实现目标。
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。
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。
“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。
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。
本课程指导学员运用久经考验的设计模式在 Google Cloud 上构建高度可靠且高效的解决方案。它是“Google Compute Engine 架构设计”或“Google Kubernetes Engine 架构设计”课程的延续,并假定您有使用其中任何一门课程所涵盖技术的实践经验。通过一系列演示、设计活动和动手实验,学员可以了解如何定义及平衡业务要求和技术要求,以便设计可靠性和可用性高、安全且经济实惠的 Google Cloud 部署。
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。
In many IT organizations, incentives are not aligned between developers, who strive for agility, and operators, who focus on stability. Site reliability engineering, or SRE, is how Google aligns incentives between development and operations and does mission-critical production support. Adoption of SRE cultural and technical practices can help improve collaboration between the business and IT. This course introduces key practices of Google SRE and the important role IT and business leaders play in the success of SRE organizational adoption.
“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。
在本入门级课程中,您将了解 Google Cloud 的基础工具和服务。此课程提供了可选视频, 旨在帮助您深入了解和回顾实验中涉及的概念。Google Cloud 基础知识是推荐给 Google Cloud 学员的第一门课程 - 即使您几乎没有云相关知识,也能从中获得实践 经验,并将其直接运用于您的首个 Google Cloud 项目。从编写 Cloud Shell 命令和部署您的第一个虚拟机,到在 Kubernetes Engine 上运行应用 或者使用负载均衡,“Google Cloud 基础知识”都是您了解该平台 基本功能的首选入门级课程。