加入 登录

David Maciejak

成为会员时间：2023

钻石联赛

53920 积分
在 Google Cloud 上创建生成式 AI 应用 Earned Dec 13, 2025 EST
面向开发者的 Responsible AI：可解释性和透明度 Earned Dec 11, 2025 EST
面向开发者的 Responsible AI：隐私保护和安全 Earned Dec 10, 2025 EST
Google Cloud 上的 AI 和机器学习简介 Earned Nov 24, 2025 EST
在 Google Cloud 上为机器学习 API 准备数据 Earned Nov 19, 2025 EST
面向开发者的 Responsible AI：公平性与偏见 Earned Nov 17, 2025 EST
适用于生成式 AI 的机器学习运维 (MLOps) Earned Nov 15, 2025 EST
在 Agent Platform 中设计提示 Earned Nov 14, 2025 EST
矢量搜索和嵌入 Earned Nov 12, 2025 EST
Build a Certification Study Guide: PMLE Earned Nov 11, 2025 EST
使用 BigQuery 创建嵌入、向量搜索和 RAG Earned Nov 11, 2025 EST
Recommendation Systems on Google Cloud Earned Jan 29, 2024 EST
Natural Language Processing on Google Cloud Earned Jan 26, 2024 EST
Computer Vision Fundamentals with Google Cloud Earned Jan 26, 2024 EST
Production Machine Learning Systems Earned Jan 24, 2024 EST
Machine Learning Operations (MLOps): Getting Started Earned Jan 24, 2024 EST
在 Google Cloud　上使用 Machine Learning API Earned Jan 24, 2024 EST
DEPRECATED Google Cloud Solutions II: Data and Machine Learning Earned Jan 23, 2024 EST
Production Machine Learning Systems - Locales Earned Jan 23, 2024 EST
在 Vertex AI 上构建和部署机器学习解决方案 Earned Jan 22, 2024 EST
Machine Learning Operations (MLOps): Getting Started - Locales Earned Jan 22, 2024 EST
基准：数据、机器学习和 AI Earned Jan 21, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Jan 20, 2024 EST
在 Google Cloud 上使用 TensorFlow 进行图片分类 Earned Jan 19, 2024 EST
Intermediate ML: TensorFlow on Google Cloud Earned Jan 19, 2024 EST
在 Google Cloud 中实施 Sensitive Data Protection Earned Jan 17, 2024 EST
Google Kubernetes Engine Best Practices: Security Earned Jan 16, 2024 EST
构建安全的 Google Cloud 网络 Earned Jan 14, 2024 EST
在 Google Cloud 上实现 CI/CD 流水线 Earned Jan 11, 2024 EST
在 Google Cloud 中管理 Kubernetes Earned Jan 9, 2024 EST
Managing Cloud Infrastructure with Terraform Earned Jan 6, 2024 EST
在 Google Cloud 中使用 Kubernetes Earned Jan 5, 2024 EST
Getting Started with Go on Google Cloud Earned Jan 4, 2024 EST
为 AWS 专业人员构建 Google Cloud 基础设施 Earned Jan 3, 2024 EST
在 Google Cloud 上使用 Terraform 构建基础设施 Earned Dec 29, 2023 EST
Google Cloud Fundamentals for AWS Professionals Earned Dec 28, 2023 EST
Responsible AI: 和 Google Cloud 一起践行 AI 原则 Earned Nov 26, 2023 EST
Generative AI Fundamentals - 简体中文 Earned Nov 23, 2023 EST
负责任的 AI 简介 Earned Nov 23, 2023 EST
大型语言模型简介 Earned Nov 23, 2023 EST
生成式 AI 简介 Earned Nov 22, 2023 EST

生成式 AI 应用可以提供大语言模型 (LLM) 问世前几乎不可能实现的全新用户体验。作为应用开发者，您要如何利用生成式 AI 在 Google Cloud 上构建更具吸引力且功能强大的应用？ 在本课程中，您将了解生成式 AI 应用，以及如何利用提示设计和检索增强生成 (RAG) 技术，构建使用 LLM 的强大应用。您将了解可用于生产用途且适合生成式 AI 应用的架构，并构建一个基于 LLM 和 RAG 的聊天应用。

了解详情

本课程介绍了 AI 可解释性和透明度的相关概念，探讨了 AI 透明度对于开发者和工程师的重要性。同时探索了有助于在数据和 AI 模型中实现可解释性和透明度的实用方法及工具。

了解详情

本课程介绍 AI 隐私保护和安全方面的重要主题，还将探索使用 Google Cloud 产品和开源工具实施建议的 AI 隐私保护和安全实践的实用方法和工具。

了解详情

本课程介绍 Google Cloud 的 AI 和机器学习 (ML) 能力，重点讲解如何开发生成式和预测式 AI 项目。本课程将探讨“数据到 AI”全生命周期中的多种技术、产品和工具，并通过互动练习帮助数据科学家、AI 开发者和机器学习工程师提升专业能力。

了解详情

完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据，展示以下技能： 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Managed Service for Apache Spark 中创建集群和运行 Apache Spark 作业，以及调用机器学习 API，包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

了解详情

本课程介绍了 Responsible AI 的概念和 AI 原则，还介绍了在 AI/机器学习实践中识别公平性与偏见以及减少偏见的实用技巧，同时探索了使用 Google Cloud 产品和开源工具来实施 Responsible AI 最佳实践的实用方法和工具。

了解详情

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。

了解详情

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。

了解详情

在本次课程中，探索 AI 赋能的搜索技术、工具和应用。学习利用向量嵌入的语义搜索、融合语义和关键字的混合搜索方法，以及检索增强生成 (RAG) 技术，以打造基于事实的 AI 智能体，尽可能减少 AI 幻觉。获取 Vertex AI Vector Search 实战经验，打造您自己的智能搜索引擎。

了解详情

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.

了解详情

本课程探讨 BigQuery 中用于减轻 AI 幻觉的检索增强生成 (RAG) 解决方案。BigQuery 引入了 RAG 工作流，其中涵盖了创建嵌入、搜索向量空间和生成更优质的回答。本课程解释了这些步骤背后的概念原理，以及这些步骤在 BigQuery 中的实际实施过程。学完本课程后，学员将能够使用 BigQuery 和生成式 AI 模型（如 Gemini）以及嵌入模型来构建 RAG 流水线，以解决在具体情况下遇到的 AI 幻觉问题。

了解详情

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

了解详情

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

了解详情

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

了解详情

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

了解详情

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

了解详情

完成在 Google Cloud　上使用 Machine Learning API 课程，赢取高级技能徽章。 在本课程中，您将了解以下机器学习和 AI 技术的基本功能： Cloud Vision API、Cloud Translation API 和 Cloud Natural Language API。

了解详情

In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.

了解详情

This course, Production Machine Learning Systems - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Production Machine Learning Systems. In this course, we dive into the components and best practices of building high-performing ML systems in production environments. We cover some of the most common considerations behind building these systems, e.g. static training, dynamic training, static inference, dynamic inference, distributed TensorFlow, and TPUs. This course is devoted to exploring the characteristics that make for a good ML system beyond its ability to make good predictions.

了解详情

完成在 Vertex AI 上构建和部署机器学习解决方案课程，赢取中级技能徽章。 在此课程中，您将了解如何使用 Google Cloud 的 Vertex AI Platform、AutoML 以及自定义训练服务来 训练、评估、调优、解释和部署机器学习模型。 此技能徽章课程的目标受众是专业的数据科学家和机器学习 工程师。 技能徽章是由 Google Cloud 颁发的专属数字徽章，旨在认可 您对 Google Cloud 产品与服务的熟练度；您需要在 交互式实操环境中参加考核，证明自己运用所学知识的能力后才能获得此徽章。完成此技能徽章课程 和作为最终评估的实验室挑战赛，即可获得数字徽章， 在您的人际圈中炫出自己的技能。

了解详情

This course, Machine Learning Operations (MLOps): Getting Started - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Machine Learning Operations (MLOps): Getting Started. This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

了解详情

大数据、机器学习和人工智能是当今计算领域的热门话题， 但这些领域的专业性很强，因而很难找到 入门资料。幸运的是，Google Cloud 在这些领域提供了方便用户使用的服务， 通过本入门级课程，您可以 开始学习使用 BigQuery、Cloud Speech API 和 Video Intelligence 等工具。

了解详情

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

了解详情

完成“在 Google Cloud 上使用 TensorFlow 进行图片分类”课程，赢取中级技能徽章 。在此课程中，您将学习如何使用 TensorFlow 和 Vertex AI 来创建和训练机器学习模型。您将主要使用 Vertex AI Workbench 上用户管理的 笔记本。

了解详情

TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.

了解详情

完成 在 Google Cloud 中实施 Sensitive Data Protection 这一入门级技能徽章课程，展示您在以下方面的技能：使用 Sensitive Data Protection 服务 （包括 Cloud Data Loss Prevention API）来检查和隐去 Google Cloud 中的敏感数据，并对敏感数据进行去标识处理。

了解详情

Get Anthos Ready. This Google Kubernetes Engine-centric quest of best practice hands-on labs focuses on security at scale when deploying and managing production GKE environments -- specifically role-based access control, hardening, VPC networking, and binary authorization.

了解详情

完成构建安全的 Google Cloud 网络课程，赢取技能徽章。在此课程中，您将了解与网络有关的众多 资源，以便在 Google Cloud 上构建、扩缩和保护自己的应用。

了解详情

完成在 Google Cloud 上实现 CI/CD 流水线技能徽章课程，赢取中级技能徽章。 您将学习如何使用 Artifact Registry、Cloud Build 和 Cloud Deploy。您将与 Google Cloud 控制台、Google Cloud CLI、Cloud Run 和 GKE 互动。本课程将介绍如何构建持续集成 流水线，存储和保护工件，扫描漏洞，证明已批准版本 的有效性。此外，您还将获得在 GKE 和 Cloud Run 中 部署应用的实操经验。

了解详情

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。

了解详情

In this Quest, the experienced user of Google Cloud will learn how to describe and launch cloud resources with Terraform, an open source tool that codifies APIs into declarative configuration files that can be shared amongst team members, treated as code, edited, reviewed, and versioned. In these nine hands-on labs, you will work with example templates and understand how to launch a range of configurations, from simple servers, through full load-balanced applications.

了解详情

Kubernetes 是最受欢迎的容器编排系统， Google Kubernetes Engine 专为支持 Google Cloud 中的托管式 Kubernetes 部署 而设计。在本高级课程中，您将亲自动手配置 Docker 映像、容器，并部署功能完备的 Kubernetes Engine 应用。 此课程将帮助您掌握在工作流中集成容器编排所需的 实用技能。 想要参加实操实验室挑战赛， 展示您的技能并检验所学知识？完成本课程后，不妨继续参与这项额外的 实验室挑战赛，赢得 Google Cloud 专属数字徽章。 该挑战赛位于在 Google Cloud 上部署 Kubernetes 应用课程的结尾处。

了解详情

Get started with Go (Golang) by reviewing Go code, and then creating and deploying simple Go apps on Google Cloud. Go is an open source programming language that makes it easy to build fast, reliable, and efficient software at scale. Go runs native on Google Cloud, and is fully supported on Google Kubernetes Engine, Compute Engine, App Engine, Cloud Run, and Cloud Functions. Go is a compiled language and is faster and more efficient than interpreted languages. As a result, Go requires no installed runtime like Node, Python, or JDK to execute.

了解详情

完成为 AWS 专业人员构建 Google Cloud 基础设施课程， 赢取技能徽章。在此课程中，您将学习如何配置 IAM 权限， 使用 Kubernetes 编排工作负载，使用 Compute Engine 托管 Web 应用， 以及配置负载均衡。

了解详情

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。

了解详情

Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.

了解详情

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。

了解详情

完成 Introduction to Generative AI、Introduction to Large Language Models 和 Introduction to Responsible AI 三门课程，赢取技能徽章。通过最终测验，即表明您理解了生成式 AI 的基本概念。 技能徽章是由 Google Cloud 颁发的数字徽章，旨在认可您对 Google Cloud 产品与服务的了解程度。公开您的个人资料并将技能徽章添加到您的社交媒体个人资料中，以此来分享您获得的成就。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情