Martin Frey
Member since 2023
管理 AI 代理的記憶與狀態
Earned Sep 12, 2026 EDT
AI 代理行為最佳化調整
Earned Sep 12, 2026 EDT
使用 Agent Development Kit (ADK) 打造您的第一個 AI 代理
Earned Sep 8, 2026 EDT
建立您的第一個 Gemini Enterprise 應用程式
Earned Sep 7, 2026 EDT
企業 AI 代理與用途
Earned Sep 6, 2026 EDT
AI 代理基礎知識
Earned Sep 6, 2026 EDT
透過 BigQuery 建構資料倉儲
Earned Mar 14, 2026 EDT
建立圖像說明生成模型
Earned Dec 16, 2025 EST
Transformer 和 BERT 模型
Earned Dec 15, 2025 EST
編碼器-解碼器架構
Earned Dec 14, 2025 EST
Serverless Data Processing with Dataflow: Operations
Earned Dec 14, 2025 EST
注意力機制
Earned Dec 12, 2025 EST
圖像生成簡介
Earned Dec 12, 2025 EST
Serverless Data Processing with Dataflow: Develop Pipelines
Earned Dec 8, 2025 EST
Serverless Data Processing with Dataflow: Foundations
Earned Nov 27, 2025 EST
Build a Certification Study Guide: PDE Exam Prep
Earned Nov 27, 2025 EST
Build Streaming Data Pipelines on Google Cloud
Earned Nov 26, 2025 EST
生成式 AI 簡介
Earned Nov 19, 2025 EST
生成式 AI 適用的機器學習運作 (MLOps)
Earned Nov 19, 2025 EST
生成式 AI 代理：實現組織轉型
Earned Nov 19, 2025 EST
生成式 AI 應用程式：徹底改變工作方式
Earned Nov 18, 2025 EST
生成式 AI：掌握幕後技術與環境
Earned Nov 17, 2025 EST
生成式 AI：瞭解基礎概念
Earned Nov 16, 2025 EST
Build Batch Data Pipelines on Google Cloud
Earned Nov 16, 2025 EST
生成式 AI：不只是聊天機器人
Earned Nov 15, 2025 EST
Build Data Lakes and Data Warehouses on Google Cloud
Earned Nov 12, 2025 EST
Google Cloud 中的資料工程簡介
Earned Nov 7, 2025 EST
您已建構能回覆查詢的基本 LLM 代理，是時候讓代理有狀態。利用工作階段狀態建構能維持對話脈絡、記住使用者偏好，並提供個人化體驗的代理。將代理從無狀態的回覆者轉為智慧助理。
Learn more
您已經成功打造第一個代理，是時候迎接更進階的挑戰。在本課程中，您將學習如何應用進階指令、選擇模型、建立規劃能力及結構化輸出模式，藉此將基本 AI 代理轉為高明又精確的助理，讓您的技能更上一層樓。加入社群論壇，提出問題並參與討論
Learn more
使用 Agent Development Kit (ADK) 建構、設定及執行您的第一個 AI 代理，將自身代理知識化為實際成果。
在這堂實作課程，您會設立完整的 ADK 開發環境，並使用 Python 程式碼和 YAML 設定打造代理，然後透過多個介面執行。您也會瞭解定義代理行為的核心參數，將課程 1 的學習成果轉化為實際運作的程式碼。
Learn more
建立您的第一個 Gemini Enterprise 應用程式，獲得技能徽章！將各種資料來源連接到您的應用程式，建立強大的統合式搜尋和分析引擎。掌握 Deep Research 代理、多代理構思和 NotebookLM 等進階功能，進行重點分析。
Learn more
瞭解 AI 代理如何發揮更高的業務影響力，包括根據您的 KPI 規劃要使用的代理類型，以及探索能解決實際瓶頸的用途。您也將認識各種無程式碼到高程式碼解決方案，瞭解 Gemini Enterprise 如何協助建構和自動調度合適的代理。
Learn more
本課程介紹 AI 代理的基礎知識，並探討代理的實際應用價值。代理可為開發人員、架構師和技術決策者奠定基礎，協助他們從目標導向的自主行為角度來理解 AI 系統。
Learn more
完成 透過 BigQuery 建構資料倉儲 技能徽章中階課程，即可證明您具備下列技能： 彙整資料以建立新資料表、排解彙整作業問題、利用聯集附加資料、建立依日期分區的資料表， 以及在 BigQuery 使用 JSON、陣列和結構體。
Learn more
本課程說明如何使用深度學習來建立圖像說明生成模型。您將學習圖像說明生成模型的各個不同組成部分，例如編碼器和解碼器，以及如何訓練和評估模型。在本課程結束時，您將能建立自己的圖像說明生成模型，並使用模型產生圖像說明文字。
Learn more
這堂課程將說明變換器架構，以及基於變換器的雙向編碼器表示技術 (BERT) 模型，同時帶您瞭解變換器架構的主要組成 (如自我注意力機制) 和如何用架構建立 BERT 模型。此外，也會介紹 BERT 適用的各種任務，像是文字分類、問題回答和自然語言推論。課程預計約 45 分鐘。
Learn more
本課程概要說明解碼器與編碼器的架構，這種強大且常見的機器學習架構適用於序列對序列的任務，例如機器翻譯、文字摘要和回答問題。您將認識編碼器與解碼器架構的主要元件，並瞭解如何訓練及提供這些模型。在對應的研究室逐步操作說明中，您將學習如何從頭開始使用 TensorFlow 寫程式，導入簡單的編碼器與解碼器架構來產生詩詞。
Learn more
In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.
Learn more
本課程將介紹注意力機制，說明這項強大技術如何讓類神經網路專注於輸入序列的特定部分。此外，也將解釋注意力的運作方式，以及如何使用注意力來提高各種機器學習任務的成效，包括機器翻譯、文字摘要和回答問題。
Learn more
本課程將介紹擴散模型，這是一種機器學習模型，近期在圖像生成領域展現亮眼潛力。概念源自物理學，尤其深受熱力學影響。過去幾年來，在學術界和業界都是炙手可熱的焦點。在 Google Cloud 中，擴散模型是許多先進圖像生成模型和工具的基礎。課程將介紹擴散模型背後的理論，並說明如何在 Vertex AI 上訓練和部署這些模型。
Learn more
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
Learn more
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Learn more
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam.
You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
Learn more
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
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
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
「生成式 AI 代理：實現組織轉型」是 Gen AI Leader 學習路徑的第五堂也是最後一堂課程。本課程將探討組織如何運用自訂生成式 AI 代理，解決特定的業務難題。您將動手練習建構基本的生成式 AI 代理，同時探索這類代理的各種元件，例如模型、推論迴圈和工具。
Learn more
「生成式 AI 應用程式：徹底改變工作方式」是 Generative AI Leader 學習路徑的第四門課程。本課程將介紹 Google 的生成式 AI 應用程式,例如 Gemini for Workspace 和NotebookLM,也會引導您瞭解各種概念,像是建立基準、檢索增強生成、建構有效的提示詞,以及打造自動化工作流程等。
Learn more
「生成式 AI：掌握幕後技術與環境」是 Gen AI Leader 學習路徑的第三門課程。生成式 AI 正在改變我們的工作方式，以及與周遭世界的互動模式。身為領導者，您要如何駕馭其強大的功能，創造實際的業務成果？在本課程中，您將認識建構生成式 AI 解決方案時的各個層面、Google Cloud 產品與服務，以及選擇解決方案時應考量的因素。
Learn more
生成式 AI：瞭解基礎概念是 Gen AI Leader 學習路徑的第二門課程。在本課程中，您將瞭解 AI、機器學習和生成式 AI 的差異，以及各種類型的資料如何協助生成式 AI 解決業務難題，進而掌握生成式 AI 的基礎概念。您還能深入瞭解 Google Cloud 因應基礎模型限制的策略，以及開發、部署安全且負責任的 AI 技術時面臨的主要挑戰。
Learn more
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting.
Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
Learn more
「生成式 AI：不只是聊天機器人」是 Gen AI Leader 學習路徑的第一門課程，沒有先修條件。本課程旨在帶領您超越對聊天機器人的基本認識，探索生成式 AI 能為貴組織帶來的真正潛力。您將瞭解基礎模型和提示工程等概念，這些都是發揮生成式 AI 威力的關鍵。本課程也會引導您思考重要事項，協助您為貴組織制定成功的生成式 AI 策略。
Learn more
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
Learn more
在本課程中，您會學到 Google Cloud 上的資料工程、資料工程師的角色與職責，以及這些內容如何對應至 Google Cloud 提供的服務。您也將瞭解處理資料工程難題的許多方法。
Learn more
