成为会员时间：2026
Arcade Trail: Containers & Load Balancing
Earned Oct 20, 2026 EDT
Arcade Voyage: Language, Voice, and Multimodal Processing
Earned Oct 14, 2026 EDT
面向开发者的 Responsible AI：可解释性和透明度
Earned Oct 14, 2026 EDT
面向开发者的 Responsible AI：公平性与偏见
Earned Oct 14, 2026 EDT
DevOps 基础知识
Earned Sep 8, 2026 EDT
利用 Vertex AI 实现机器学习运维 (MLOps)：模型评估
Earned Jul 21, 2026 EDT
适用于生成式 AI 的机器学习运维 (MLOps)
Earned Jul 18, 2026 EDT
Learn to build and scale production-ready cloud environments. In this trail, you'll package apps with Docker, deploy workloads on Google Kubernetes Engine, and orchestrate containerized services. Next, configure regional internal proxy and global HTTPS load balancers, then set up Cloud Monitoring to track health and latency. Pass both challenge labs to prove your ability to deploy resilient applications and route global traffic efficiently.
Transforming unstructured multimedia into searchable, structured data is the core of modern cognitive computing. In this voyage, you'll analyze sentiment and extract entities using the Cloud Natural Language API, pairing language workflows with Apache Spark to demonstrate big-data scalability. From there, you'll branch into multimodal synthesis—generating lifelike audio using Text-to-Speech, bridging global barriers with the Cloud Translation API, and annotating video streams via Video Intelligence. Complete both challenge labs to prove you can deploy pre-trained models that read, speak, translate, and inspect content at scale.
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。
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。
通过 DevOps 获得 竞争优势。DevOps 是一种组织和文化运动，旨在加快软件交付速度， 提高服务可靠性，并在软件利益相关方之间 建立共享所有权。在本课程中，您将学习如何使用 Google Cloud 提高 软件交付能力，确保较高的速度、稳定性、可用性和安全性。 DevOps Research and Assessment 已加入 Google Cloud。您的团队表现如何？参加 这个包含 5 道选择题的测验，来一探究竟吧！
本课程能让机器学习从业者掌握评估生成式和预测式 AI 模型的基本工具、方法和最佳实践。要确保机器学习系统在实际运用中提供可靠、准确、高效的结果，做好模型评估至关重要。 学员将深入了解各项评估指标、方法及如何在不同模型类型和任务中适当应用这些指标和方法。课程将着重介绍生成式 AI 模型带来的独特挑战，并提供有效解决这些挑战的策略。通过利用 Google Cloud 的 Vertex AI Platform，学员可学习如何在模型选择、优化和持续监控工作中实施卓有成效的评估流程。
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。