Kenneth William Gunawan
Member since 2024
Gold League
31914 points
Getting Started with Apache Kafka and Confluent Platform on Google Cloud
Earned May 15, 2026 EDT
Google DeepMind: 07 Accelerate Your Model
Earned Apr 1, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model
Earned Apr 1, 2026 EDT
Google DeepMind: 04 Discover The Transformer Architecture
Earned Mar 31, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned Mar 31, 2026 EDT
Google DeepMind: 02 Represent Your Language Data
Earned Mar 31, 2026 EDT
Google DeepMind：訓練小型語言模型
Earned Mar 9, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned Mar 9, 2026 EDT
綜合應用：為 Cloud 資料分析師工作做準備
Earned Oct 21, 2025 EDT
資料敘事的強大力量：如何在 Cloud 以圖表呈現資料
Earned Oct 21, 2025 EDT
在 Cloud 轉換資料
Earned Oct 21, 2025 EDT
在 Cloud 管理與儲存資料
Earned Oct 20, 2025 EDT
Google Cloud 資料分析功能簡介
Earned Oct 12, 2025 EDT
在 Google Cloud 為機器學習 API 準備資料
Earned Apr 19, 2025 EDT
Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
Earned Apr 19, 2025 EDT
建構安全的 Google Cloud 網路
Earned Apr 16, 2025 EDT
Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
Earned Apr 1, 2025 EDT
在 Google Cloud 設定應用程式開發環境
Earned Mar 13, 2025 EDT
Google Cloud 運算的基本概念：Google Cloud 基礎架構
Earned Mar 11, 2025 EDT
在 Compute Engine 導入 Cloud Load Balancing
Earned Mar 4, 2025 EST
Google Cloud 運算的基本概念：Cloud 運算基礎知識
Earned Mar 4, 2025 EST
運用 Google Cloud 探索資料轉換功能
Earned Oct 14, 2024 EDT
透過 Google Cloud 進行數位轉型
Earned Oct 13, 2024 EDT
Organizations around the world rely on Apache Kafka to integrate existing systems in real time and build a new class of event streaming applications that unlock new business opportunities. Google and Confluent are in a partnership to deliver the best event streaming service based on Apache Kafka and to build event driven applications and big data pipelines on Google Cloud Platform. In this course, you will first learn how to deploy and create a streaming data pipeline with Apache Kafka, then try out the different functionalities of the Confluent Platform.
Learn more
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
Learn more
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
Learn more
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
Learn more
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
Learn more
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
Learn more
完成「Google DeepMind：訓練小型語言模型」技能徽章進階課程，即可證明您具備下列技能： 提出實際的語言模型研究問題、建構簡單的分詞器、準備資料集來訓練 Transformer 語言模型，以及執行小型語言模型的訓練迴圈。 註冊免付費訂閱方案，即可免付費使用這個實驗室。每個月還能獲得 35 點免付費抵免額！
Learn more
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
Learn more
這是 Google Cloud Data Analytics 專業證書五堂課程中的第五堂。在本課程中，您將結合第一到第四堂課程的基礎知識和技能，並活用所學，透過專題實作呈現完整的資料生命週期。您將練習使用雲端式工具，有效率地取得、儲存、處理、分析資料，並以圖表呈現及傳達資料洞察結果。本課程結束後，您將完成一項專案，證明自己精通於有效整理多個來源的資料、向不同相關人士說明解決方案，以及運用雲端式軟體將資料洞察結果以圖表呈現。此外，您還會更新履歷，並練習面試技巧，為應徵和面試做好準備。
Learn more
這是 Google Cloud Data Analytics 專業證書五堂課程中的第四堂。本課程著重於培養雲端資料圖表製作的技能，共分五個主要階段：敘事、規劃、探索資料、建立圖表，以及與他人分享資料。您還會實際使用 UI/UX 技能，繪製具說服力的雲端原生圖表線框稿，並運用雲端原生資料圖表工具探索資料集、建立報表和資訊主頁，推動決策並促進協作。
Learn more
Google Cloud 資料分析專業證書課程共有五堂課程，這是第三堂。本課程會先簡要說明資料歷程，從最初的資料收集，一直到最後的洞察分析。接著，您將依序學習如何使用 SQL 將原始資料轉換為可用的格式、怎麼透過資料管道轉換大量資料。最後，您將練習如何將轉換策略應用於實際資料集，滿足業務需求。
Learn more
這是 Google Cloud 資料分析專業證書五堂課程中的第二堂。本課程將帶您瞭解資料的結構化和組織方式。您將透過實作，瞭解資料湖倉架構和 BigQuery、Google Cloud Storage 與 DataProc 等雲端元件，有效率地儲存、分析及處理大型資料集。
Learn more
這是 Google Cloud 資料分析專業證書五堂課程中的第一堂。在本課程中，您將瞭解雲端資料分析領域的定義，並說明雲端資料分析師在資料擷取、儲存、處理和視覺化方面的角色與職責。您將瞭解 BigQuery 和 Cloud Storage 等 Google Cloud 工具的架構，以及如何運用這些工具有效組織、呈現及彙整資料。
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
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。完成這一系列課程後，學員將能闡述這些概念並展示實用技能。學員需依序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
本系列的最後一堂課回顧了代管大數據服務、機器學習與這項技術的價值，以及如何獲得技能徽章，進一步展示您的 Google Cloud 技能。
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
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。
完成這一系列課程後，學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
第三門課涵蓋雲端自動化和管理工具，以及建構安全網路。
Learn more
只要修完「在 Google Cloud 設定應用程式開發環境」課程，就能獲得技能徽章。 在本課程中，您將學會如何使用以下技術的基本功能，建構和連結以儲存空間為中心的雲端基礎架構：Cloud Storage、Identity and Access Management、Cloud Functions 和 Pub/Sub。
Learn more
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。完成這一系列課程後，學員將能闡述這些概念並展示實用技能。學員需依序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
Learn more
完成「在 Compute Engine 導入 Cloud Load Balancing」技能徽章入門課程，即可證明您具備下列技能： 在 Compute Engine 建立及部署虛擬機器， 以及設定網路和應用程式負載平衡器。
Learn more
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。完成這一系列課程後，學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
第一門課會概略說明雲端運算、Google Cloud 的使用方式，以及不同的運算選項。
Learn more
雲端技術是強大的資產，與資料搭配後，將成為創新和提升客戶體驗的催化劑。「運用 Google Cloud 探索資料轉換功能」課程將探討機構如何運用雲端，讓資料更易於存取、做為行動依據和更有價值。
這門課程是 Cloud Digital Leader 學習路徑的一部分，旨在協助個人在職務上成長，並打造企業的未來。
Learn more
數位轉型是現代組織必經的關鍵旅程，而建立穩固的雲端運算基礎，是跨出有意義創新的第一步。本課程「透過 Google Cloud 進行數位轉型」，將會介紹核心技術和策略框架，協助組織革新營運方式，並探討基本的雲端概念、全球網路基礎架構和共同責任模式，幫助主管在雲端之路上自信前行。本課程是 Cloud Digital Leader 學習路徑的一部分，旨在促進個人職能發展，並打造企業的未來。
Learn more
