David Maciejak
Member since 2023
Diamond League
53920 points
在 Google Cloud 打造生成式 AI 應用程式
Earned Dec 13, 2025 EST
開發人員的負責任 AI 技術：可解釋性與透明度
Earned Dec 11, 2025 EST
開發人員的負責任 AI 技術：隱私權與安全性
Earned Dec 10, 2025 EST
Google Cloud 的 AI 和機器學習服務簡介
Earned Nov 24, 2025 EST
在 Google Cloud 為機器學習 API 準備資料
Earned Nov 19, 2025 EST
開發人員的負責任 AI 技術：公平性與偏誤
Earned Nov 17, 2025 EST
生成式 AI 適用的機器學習運作 (MLOps)
Earned Nov 15, 2025 EST
在 Agent Platform 設計提示
Earned Nov 14, 2025 EST
Vector Search 和嵌入
Earned Nov 12, 2025 EST
Build a Certification Study Guide: PMLE
Earned Nov 11, 2025 EST
運用 BigQuery 建立嵌入項目、向量搜尋和 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 使用機器學習 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
透過 Vertex AI 建構及部署機器學習解決方案
Earned Jan 22, 2024 EST
Machine Learning Operations (MLOps): Getting Started - Locales
Earned Jan 22, 2024 EST
基本概念：資料、機器學習和 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 使用 TensorFlow 分類圖像
Earned Jan 19, 2024 EST
Intermediate ML: TensorFlow on Google Cloud
Earned Jan 19, 2024 EST
在 Google Cloud 實作 Sensitive Data Protection
Earned Jan 17, 2024 EST
Google Kubernetes Engine Best Practices: Security
Earned Jan 16, 2024 EST
建構安全的 Google Cloud 網路
Earned Jan 14, 2024 EST
在 Google Cloud 實作 CI/CD 管道
Earned Jan 11, 2024 EST
管理 Google Cloud 中的 Kubernetes
Earned Jan 9, 2024 EST
Managing Cloud Infrastructure with Terraform
Earned Jan 6, 2024 EST
Google Cloud 中的 Kubernetes
Earned Jan 5, 2024 EST
Getting Started with Go on Google Cloud
Earned Jan 4, 2024 EST
建構適用於 AWS 專家的 Google Cloud 基礎架構
Earned Jan 3, 2024 EST
在 Google Cloud 使用 Terraform 建構基礎架構
Earned Dec 29, 2023 EST
Google Cloud Fundamentals for AWS Professionals
Earned Dec 28, 2023 EST
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則
Earned Nov 26, 2023 EST
Generative AI Fundamentals - 繁體中文
Earned Nov 23, 2023 EST
負責任的 AI 技術簡介
Earned Nov 23, 2023 EST
大型語言模型簡介
Earned Nov 23, 2023 EST
生成式 AI 簡介
Earned Nov 22, 2023 EST
大型語言模型 (LLM) 誕生之後，生成式 AI 應用程式帶來的嶄新使用者體驗，可說是幾乎前所未有。身為應用程式開發人員，您要如何在 Google Cloud，運用生成式 AI 建立出色的互動式應用程式？
本課程將帶您瞭解生成式 AI 應用程式，以及如何使用提示設計和檢索增強生成 (RAG)，透過 LLM 建構強大的應用程式。我們也會介紹可用於正式環境的生成式 AI 應用程式架構。您將建構採用 LLM 和 RAG 的對話應用程式。
Learn more
本課程旨在說明 AI 的可解釋性和透明度概念、探討 AI 透明度對開發人員和工程師的重要性。課程中也會介紹實務方法和工具，有助於讓資料和 AI 模型透明且可解釋。
Learn more
本課程涵蓋「AI 隱私權」和「AI 安全性」這兩個重要主題。我們將介紹實用的方法和工具，協助您運用 Google Cloud 產品和開放原始碼工具，導入 AI 隱私權和安全性的建議做法。
Learn more
本課程介紹 Google Cloud 的 AI 和機器學習 (ML) 功能，著重說明如何開發生成式和預測式 AI 專案。我們也會探討「從資料到 AI」整個生命週期都適用的技術、產品和工具，並透過互動式練習，協助資料科學家、AI 開發人員和機器學習工程師精進專業知識。
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
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。
Learn more
完成 在 Agent Platform 設計提示 技能徽章入門課程，即可證明您具備下列技能： 在 Agent Platform 設計提示、分析圖片，以及運用多模態模型生成內容。瞭解如何建立有效的提示、引導生成式 AI 輸出內容， 以及將 Gemini 模型用於實際的行銷情境。
Learn more
這堂課程會介紹 AI 搜尋技術、工具和應用程式。主題涵蓋使用向量嵌入執行語意搜尋；結合語意和關鍵字做法的混合型搜尋機制；以及運用檢索增強生成 (RAG) 技術建構有基準的 AI 代理，盡可能減少 AI 幻覺。您可以實際使用 Vertex AI Vector Search，打造智慧型搜尋引擎。
Learn more
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.
Learn more
這堂課程會說明 BigQuery 中的檢索增強生成 (RAG) 解決方案，協助您減少 AI 幻覺。當中介紹的 RAG 工作流程包含建立嵌入項目、搜尋向量空間，以及生成更符合需求的答案。另外，這堂課程會解釋這些步驟背後的概念與原因，以及實際運用 BigQuery 實作的方法。完成課程之後，學員將學會使用 BigQuery，以及 Gemini 和嵌入模型等生成式 AI 模型，建立 RAG pipeline 來處理自己的 AI 幻覺應用實例。
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
完成「在 Google Cloud 使用機器學習 API」課程，即可獲得進階技能徽章。本課程說明以下機器學習和 AI 技術的基本功能： Cloud Vision API、Cloud Translation API 和 Cloud Natural Language API。
Learn more
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.
Learn more
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.
Learn more
完成 透過 Vertex AI 建構及部署機器學習解決方案 課程，即可瞭解如何使用 Google Cloud 的 Vertex AI 平台、AutoML 和自訂訓練服務， 訓練、評估、調整、解釋及部署機器學習模型。 這個技能徽章課程適合專業數據資料學家和機器學習 工程師，完成即可取得中階技能徽章。技能 徽章是 Google Cloud 核發的獨家數位徽章， 用於肯定您在 Google Cloud 產品和服務方面的精通程度， 代表您已通過測驗，能在互動式實作環境應用相關知識。完成這個技能徽章課程 和結業評量挑戰實驗室，就能獲得數位徽章， 並與親友分享。
Learn more
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.
Learn more
大數據、機器學習和人工智慧 (AI) 是時下熱門的 電腦相關話題，但這些領域相當專業，就算想要入門 也難以取得教材或資料。幸好，Google Cloud 提供了此領域的多種服務，而且容易使用。 參加這堂入門課程，您就能踏出第一步， 開始學習運用 BigQuery、Cloud Speech API 以及 Video Intelligence 等工具。
Learn more
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Learn more
完成「在 Google Cloud 使用 TensorFlow 分類圖像」技能徽章中階課程， 瞭解如何使用 TensorFlow 和 Vertex AI 建立及訓練機器學習模型， 即可獲得技能徽章。在 Vertex AI Workbench 中，你主要會和使用者自行管理的筆記本 互動。
Learn more
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.
Learn more
完成 在 Google Cloud 實作 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
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.
Learn more
完成「建構安全的 Google Cloud 網路」課程，即可獲得技能徽章。本課程將說明多項網路相關 資源，協助您在 Google Cloud 建構、調度資源和保護應用程式。
Learn more
完成在 Google Cloud 實作 CI/CD 管道技能徽章中階課程，即可獲得技能徽章。 您將透過本課程學習如何使用 Artifact Registry、Cloud Build 和 Cloud Deploy，並且操作 Google Cloud 控制台、Google Cloud CLI、Cloud Run 和 GKE。本課程會介紹如何建構持續整合 管道、儲存及保護構件、掃描安全漏洞、驗證 已核准的發布版本是否有效。此外，您還會實際操作，將應用程式 同時部署至 GKE 和 Cloud Run。
Learn more
完成「管理 Google Cloud 中的 Kubernetes」技能徽章中階課程， 即可證明您具備下列技能：使用 kubectl 管理部署作業、 在 Google Kubernetes Engine (GKE) 監控應用程式與偵錯，以及運用技術持續推送軟體更新。
Learn more
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.
Learn more
Kubernetes 是最受歡迎的容器自動化調度管理系統，Google Kubernetes Engine 則專門支援 Google Cloud 中的 代管 Kubernetes 部署項目。這門進階課程將帶您實際練習設定 Docker 映像檔和容器，並部署完整的 Kubernetes Engine 應用程式。 您會學到如何將容器自動化調度管理機制， 整合到自己的工作流程，這些技巧相當實用。 想透過實作挑戰實驗室展現 技能、驗收學習成果嗎？本課程結束後，再完成 在 Google Cloud 部署 Kubernetes 應用程式課程 結尾的挑戰實驗室，即可獲得專屬 Google Cloud 數位徽章。
Learn more
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.
Learn more
完成 建構適用於 AWS 專家的 Google Cloud 基礎架構 課程即可獲得技能徽章。在這個課程，您將學會如何設定 IAM 權限、 使用 Kubernetes 自動調度管理工作負載、透過 Compute Engine 託管網頁應用程式， 以及設定負載平衡機制。
Learn more
完成「在 Google Cloud 使用 Terraform 建構基礎架構」技能徽章中階課程， 即可證明自己具備下列知識與技能：使用 Terraform 的基礎架構即程式碼 (IaC) 原則、運用 Terraform 設定佈建及管理 Google Cloud 資源、有效管理狀態 (本機和遠端)，以及將 Terraform 程式碼模組化，以利重複使用和管理。
Learn more
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.
Learn more
隨著企業持續擴大使用人工智慧和機器學習，以負責任的方式發展相關技術也日益重要。對許多企業來說，談論負責任的 AI 技術可能不難，如何付諸實行才是真正的挑戰。如要瞭解如何在機構中導入負責任的 AI 技術，本課程絕對能助您一臂之力。
您可以從中瞭解 Google Cloud 目前採取的策略、最佳做法和經驗談，協助貴機構奠定良好基礎，實踐負責任的 AI 技術。
Learn more
完成「Introduction to Generative AI」、「Introduction to Large Language Models」和「Introduction to Responsible AI」課程，即可獲得技能徽章。通過最終測驗，就能展現您對生成式 AI 基本概念的掌握程度。
「技能徽章」是 Google Cloud 核發的數位徽章，用於表彰您對 Google Cloud 產品和服務的相關知識。您可以將技能徽章公布在社群媒體的個人資料中，向其他人分享您的成果。
Learn more
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
Learn more
這是一堂入門級的微學習課程，旨在探討大型語言模型 (LLM) 的定義和用途，並說明如何調整提示來提高 LLM 成效。此外，也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。
Learn more
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。
Learn more
