開始使用 Sensitive Data Protection
Earned Jun 6, 2026 EDT
在 Google Cloud 為機器學習 API 準備資料
Earned Jun 6, 2026 EDT
開發人員的負責任 AI 技術：公平性與偏誤
Earned Jun 4, 2026 EDT
實現雲端協作與生產力工作流
Earned Jun 4, 2026 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Jun 2, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Jun 2, 2026 EDT
Raw data is only useful if it is clean, structured, and secure. In this track, you’ll start by processing and preparing data using Dataprep, Dataflow templates, and Apache Spark. You'll learn how to clean up datasets so they are ready for machine learning models. From there, you'll focus on security by working with tools that find and mask sensitive information like personal IDs and credentials. You'll practice redacting critical details and creating safe, de-identified copies of your data in Cloud Storage. By finishing the hands-on challenge labs, you’ll show you can handle big data workflows while keeping confidential information completely safe.
Learn more
Learn how to use NotebookLM to create a personalized study guide for the Associate Cloud Engineer certification exam.
You'll review NotebookLM features, create a notebook in NotebookLM, and learn how to use a study guide to practice for a certification exam.
完成「開始使用 Sensitive Data Protection」 技能徽章入門課程，證明您具備下列技能：使用 Sensitive Data Protection 服務 (包括 Cloud Data Loss Prevention API) 來檢查、遮蓋及去識別化 Google Cloud 中的機密資料。
Learn more
完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Managed Service for Apache Spark 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
Learn more
本課程旨在說明負責任 AI 技術的概念和 AI 開發原則，同時介紹各項技術，在實務上找出公平性和偏誤，減少 AI/機器學習做法上的偏誤。我們也將探討實用方法和工具，透過 Google Cloud 產品和開放原始碼工具，導入負責任 AI 技術的最佳做法。
Learn more
完成「實現雲端協作與生產力工作流」課程，即可獲得入門級技能徽章。本課程將介紹 Google 的協作平台， 帶您瞭解如何使用 Gmail、日曆、Meet、雲端硬碟、試算表和 AppSheet。
Learn more
本課程針對評估生成式和預測式 AI 模型，向機器學習從業人員介紹相關的基礎工具、技術和最佳做法。模型評估是機器學習的重要領域，確保這類系統能在正式環境中提供可靠、準確且成效優異的結果。
學員將深入瞭解多種評估指標與方法，以及適用於不同模型類型和工作的應用方式。此外，也會特別介紹生成式 AI 模型帶來的獨特難題，並提供有效的應對策略。透過 Google Cloud Vertex AI 平台，學員將瞭解在模型挑選、最佳化和持續監控方面，該如何導入穩健的評估程序。
Learn more
本課程旨在提供必要的知識和工具，協助您探索機器學習運作團隊在部署及管理生成式 AI 模型時面臨的獨特挑戰，並瞭解 Vertex AI 如何幫 AI 團隊簡化機器學習運作程序，打造成效非凡的生成式 AI 專案。
Arcade Trail: Data Engineering and Information Protection
Earned Jun 18, 2026 EDT
Build a Certification Study Guide: ACE Exam Prep
Earned Jun 6, 2026 EDT
在 Compute Engine 導入 Cloud Load Balancing
Earned Jun 6, 2026 EDT
開始使用 Sensitive Data Protection
Earned Jun 6, 2026 EDT
在 Google Cloud 為機器學習 API 準備資料
Earned Jun 6, 2026 EDT
開發人員的負責任 AI 技術：公平性與偏誤
Earned Jun 4, 2026 EDT
實現雲端協作與生產力工作流
Earned Jun 4, 2026 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Jun 2, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Jun 2, 2026 EDT