Guru Rengarajan
Member since 2024
Gold League
14556 points
Member since 2024
「生成式 AI:不只是聊天機器人」是 Generative AI Leader 學習路徑的第一門課程,沒有任何修課條件。本課程將帶您超越基本知識,進一步瞭解聊天機器人,探索如何在組織中充分發揮生成式 AI 的潛力。您將瞭解基礎模型和提示工程等概念,掌握善用生成式AI 的關鍵。本課程也會帶您瞭解擬定生成式 AI 策略時的多種重要考量,協助您為組織擬定出成功的策略。
完成 使用 Gemini 多模態功能和多模態 RAG 檢查複合型文件 技能徽章中階課程,即可證明您具備下列技能: 透過 Gemini 多模態功能,使用多模態提示從文字和影像資料擷取資訊、生成影片說明,以及擷取影片以外的額外資訊; 透過 Gemini 的多模態檢索增強生成 (RAG) 功能,為含有文字和圖片的文件建構中繼資料、取得所有相關文字分塊,以及顯示引用資料。
完成 透過 Google Cloud Observability 監控及記錄系統狀態 技能徽章入門課程, 即可證明您具備下列技能:監控 Compute Engine 中的虛擬機器、 運用 Cloud Monitoring 監管多項專案、在 Cloud Functions 延伸應用監控和記錄功能、 建立和傳送自訂應用程式指標,以及根據自訂指標設定 Cloud Monitoring 快訊。
完成「使用 Eventarc 建構事件導向應用程式」課程,即可獲得技能徽章。 在本課程中,您將使用 Eventarc 為不同資源 (包括 Pub/Sub 主題和 Cloud Storage bucket) 建立事件觸發條件。
完成 運用 Cloud Run 開發無伺服器應用程式 技能徽章中階課程, 即可證明您具備下列技能:整合 Cloud Run 和 Cloud Storage 以管理資料、 使用 Cloud Run 和 Pub/Sub 架構可復原的非同步系統、 使用 Cloud Run 建構 REST API 閘道,以及在 Cloud Run 建構及部署服務。
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。
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。
這是 Google Cloud 網路安全專業證書五堂課程中的第二堂。本課程將介紹廣泛使用的雲端風險管理架構,探討安全領域、法規遵循生命週期,以及 HIPAA、NIST CSF 和 SOC 等業界標準。您將學會識別風險、實作安全控管措施、評估法規遵循情形,以及管理資料保護作業。此外,您還將實際操作 Google Cloud 和多雲端工具,瞭解如何因應風險和法規遵循需求。本課程也納入求職和面試準備技巧,提供全方位基礎知識,協助學員瞭解並有效應對雲端風險管理的複雜現況。
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.
這是 Google Cloud 網路安全專業證書五堂課程中的第一堂。本課程將介紹網路安全的必要基礎,包括安全防護生命週期、數位轉型和雲端運算的重要概念。您將瞭解初級雲端資安分析師用來自動執行工作的常見工具。
瞭解如何使用 Agent Development Kit (ADK),建構複雜的 AI 代理並用於正式環境。本課程介紹 ADK 的開放原始碼框架,包括簡單的提示工程,以及程式碼優先的結構化軟體開發做法 (適用於企業級多代理系統)。
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。
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。
歡迎來到「AI 基礎架構:網路技術」課程。本課程將說明如何運用 Google Cloud 的高頻寬、低延遲基礎架構,最佳化調整 AI 系統所有元件之間的資料傳輸和通訊。最後,您將掌握網路在整個 AI 管道 (從資料擷取、訓練到推論) 發揮的關鍵作用,並採取最佳做法,確保工作負載能以最高速度運作。
在本課程中,您將全面瞭解 Google Cloud 提供的儲存空間解決方案,專門用於 AI 和高效能運算 (HPC) 的工作負載。您將學習如何根據機器學習生命週期的各個階段,選擇合適的儲存空間;以及探索如何在訓練期間將 I/O 效能最佳化、管理準備資料所需的龐大資料集,以及用低延遲提供模型構件。透過實際例子和示範,您將掌握專業知識,得以設計穩健的儲存空間解決方案,並加快 AI 創新。
這堂課程會完整說明如何在 Google Cloud 部署、管理及最佳化調整 AI 和高效能運算 (HPC) 工作負載。藉由一系列課堂和實務示範,您會瞭解不同的部署策略,從使用 Google Compute Engine (GCE) 的高度可自訂環境,到 Google Kubernetes Engine (GKE) 等代管解決方案。具體來說,您會學到如何建立叢集及部署 GKE,以便執行推論工作。
歡迎來到 Cloud TPU 課程。我們將探討在各種情境下使用 TPU 的優缺點,並比較不同的 TPU 加速器,協助您選擇合適的工具。您將瞭解如何盡可能提高 AI 模型的效能和效率,以及互通的 GPU/TPU 對於打造靈活的機器學習工作流程有多重要。我們會透過引人入勝的內容和實際演示,一步步引導您有效運用 TPU。
想瞭解 AI 背後的強大硬體嗎?本單元將深入解析針對效能最佳化的 AI 電腦,說明其重要性。我們將探討 CPU、GPU 和 TPU 如何大幅加速 AI 任務運算,分析各自的特點,以及 AI 軟體如何充分利用這些硬體效能。單元結束後,您將清楚掌握如何根據 AI 專案挑選合適的 GPU,並做出明智的 AI 工作負載決策。
準備開始使用 AI Hypercomputer 了嗎?這門課程可讓您快速上手!我們將介紹這個架構的基本概念,以及此架構如何幫助 AI 處理 AI 工作負載。您將瞭解 Hypercomputer 內的不同元件,例如 GPU、TPU 和 CPU,以及如何視需求選擇合適的部署方法。
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。