Join Sign in

Vlad Lisovskyi

Member since 2023

Gold League

36018 points
使用 API Gateway 部署及保護無伺服器 API Earned Nov 21, 2025 EST
使用 Gemini 和 Streamlit 開發生成式 AI 應用程式 Earned Nov 10, 2025 EST
使用 Gemini 多模態功能和多模態 RAG 檢查複合型文件 Earned Nov 6, 2025 EST
Gemini 和 Imagen 實務應用：建構 AI 應用程式 Earned Oct 21, 2024 EDT
在 Agent Platform 探索生成式 AI Earned Oct 21, 2024 EDT
在 Agent Platform 設計提示 Earned Oct 21, 2024 EDT
探索生成式 AI - Agent Platform Earned Mar 29, 2024 EDT
使用 Cloud Vision API 分析圖片 Earned Mar 27, 2024 EDT
使用 Google API 分析語音和語言 Earned Mar 26, 2024 EDT
注意力機制 Earned Mar 26, 2024 EDT
圖像生成簡介 Earned Mar 26, 2024 EDT
使用預訓練 API 實現語音和語言解決方案 Earned Mar 26, 2024 EDT
使用 Natural Language API 分析情緒 Earned Mar 25, 2024 EDT
使用 Document AI 大規模自動擷取資料 Earned Mar 25, 2024 EDT
Build Custom Processors with Document AI [Deprecated] Earned Mar 25, 2024 EDT
Generative AI Fundamentals - 繁體中文 Earned Mar 6, 2024 EST
負責任的 AI 技術簡介 Earned Mar 6, 2024 EST
生成式 AI 簡介 Earned Mar 6, 2024 EST
大型語言模型簡介 Earned Mar 6, 2024 EST
MLOps with Agent Platform: Manage Features Earned Feb 27, 2024 EST
ML Pipelines on Google Cloud Earned Feb 27, 2024 EST
Machine Learning in the Enterprise Earned Feb 22, 2024 EST
Google Cloud 的 AI 和機器學習服務簡介 Earned Feb 20, 2024 EST
Production Machine Learning Systems Earned Apr 21, 2023 EDT
[DEPRECATED] Feature Engineering Earned Apr 18, 2023 EDT
Machine Learning Operations (MLOps): Getting Started Earned Apr 14, 2023 EDT
Recommendation Systems on Google Cloud Earned Apr 14, 2023 EDT
Natural Language Processing on Google Cloud Earned Apr 13, 2023 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Apr 13, 2023 EDT
Computer Vision Fundamentals with Google Cloud Earned Apr 13, 2023 EDT
Launching into Machine Learning Earned Apr 12, 2023 EDT
How Google Does Machine Learning Earned Apr 4, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Mar 31, 2023 EDT
透過 Google Cloud 建構網站 Earned Mar 31, 2023 EDT
在 Google Cloud 實作 CI/CD 管道 Earned Mar 30, 2023 EDT
在 Google Cloud 設定應用程式開發環境 Earned Mar 28, 2023 EDT
在 Google Cloud 使用 TensorFlow 分類圖像 Earned Mar 28, 2023 EDT
Automate Interactions with Contact Center AI Earned Mar 27, 2023 EDT
透過 BigQuery 建構資料倉儲 Earned Mar 16, 2023 EDT
運用 BigQuery ML 建立機器學習模型 Earned Mar 15, 2023 EDT
在 BigQuery 執行預測資料分析 Earned Mar 14, 2023 EDT
在 Google Cloud 使用機器學習 API Earned Mar 13, 2023 EDT
使用 BigQuery ML 為預測模型進行資料工程 Earned Mar 7, 2023 EST
透過 Vertex AI 建構及部署機器學習解決方案 Earned Mar 6, 2023 EST
DEPRECATED Detect Manufacturing Defects Using Visual Inspection AI Earned Mar 6, 2023 EST
從 BigQuery 資料取得深入分析結果 Earned Mar 2, 2023 EST
在 Google Cloud 為機器學習 API 準備資料 Earned Mar 1, 2023 EST
在 Compute Engine 導入 Cloud Load Balancing Earned Feb 23, 2023 EST

完成「使用 API Gateway 部署及保護無伺服器 API」課程，即可獲得技能徽章。 本課程將說明如何使用 API Gateway，透過全代管閘道部署、保護及管理 API。

Learn more

完成 使用 Gemini 和 Streamlit 開發生成式 AI 應用程式 技能徽章中階課程，即可證明您具備下列技能： 生成文字、透過 Python SDK 和 Gemini API 呼叫函式，以及運用 Cloud Run 部署 Streamlit 應用程式。 您將瞭解如何以不同方式透過提示請 Gemini 生成文字、使用 Cloud Shell 測試及疊代 Streamlit 應用程式，隨後封裝成 Docker 容器並在 Cloud Run 中部署。

Learn more

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。

Learn more

完成「Gemini 和 Imagen 實務應用：建構 AI 應用程式」技能徽章入門課程，即可證明您具備下列技能：圖片辨識、自然語言處理、 使用 Google 強大的 Gemini 和 Imagen 模型生成圖片，以及在 Vertex AI 平台上部署應用程式。

Learn more

完成「在 Agent Platform 探索生成式 AI」技能徽章中階課程，即可證明自己具備下列技能： 可運用 Gemini API 生成文字、分析圖片和影片來強化內容創作能力，還能使用函式呼叫技巧。 本課程將帶您瞭解如何善用進階的 Gemini 技術、使用多模態內容生成功能，並提升 AI 專案的潛力。

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

「探索生成式 AI - Agent Platform」課程包含一系列實驗室， 介紹如何在 Google Cloud 使用生成式 AI。完成這些實驗室之後，您會瞭解如何 在 Agent Platform 使用 Gemini 模型、提示詞設計技巧與最佳做法，以及 AI 在構思想法和文字分類、擷取、摘要等方面的用途。您也會瞭解如何運用 Agent Platform 的自訂訓練功能調整基礎模型， 並部署至 Agent Platform 中的端點。

Learn more

完成使用 Cloud Vision API 分析圖片課程，即可獲得技能徽章。本課程說明如何運用 Cloud Vision API 執行各種工作，包括擷取圖片中的文字。

Learn more

完成「使用 Google API 分析語音和語言」課程， 瞭解如何將 Natural Language API 和 Speech API 投入實際應用， 即可獲得技能徽章。

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

完成使用預訓練 API 實現語音和語言解決方案課程以獲得技能徽章，了解如何使用與語音相關的 API 工具來合成和轉錄語音。

Learn more

完成「使用 Natural Language API 分析情緒」任務， 瞭解 API 如何從文字判斷情緒， 即可獲得技能徽章。

Learn more

完成使用 Document AI 大規模自動擷取資料課程，即可獲得入門級技能徽章。在本課程中，您將瞭解如何使用 Document AI 擷取、處理及提取資料。

Learn more

Earn a skill badge by completing the Build Custom Processors with Document AI course. You learn how to extract data and classify documents by creating custom ML models specific to your business needs. This course teaches the foundation skills of building your own processors, working with optical character recognition, form parsing, processor creation, and uptraining the DocumentAI model.

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

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

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. Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.

Learn more

In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.

Learn more

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

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

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 explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

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

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 covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

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

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Learn more

This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.

Learn more

This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

Learn more

完成透過 Google Cloud 建構網站技能徽章課程，即可獲得入門級技能徽章。 本課程以 Get Cooking in Cloud 系列影片為基礎， 涵蓋以下主題：在 Cloud Run 部署網站在 Compute Engine 託管網頁應用程式在 Google Kubernetes Engine 建立、 部署及擴充網站使用 Cloud Build 將單體式應用程式遷移至微服務架構

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

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

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

Earn a skill badge by completing the Automate Interactions with Contact Center AI quest, where you will learn about the features of Contact Center AI, including how to Build a virtual agent, Design conversation flows for your virtual agent; Add a phone gateway to your virtual agent; Use Dialogflow for troubleshooting; Review logs and debug your virtual agent. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the skill badge quest, and final assessment challenge lab, to receive a digital badge that you can share with your network.

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

完成「運用 BigQuery ML 建立機器學習模型」技能徽章中階課程，即可證明您具備下列技能： 可使用 BigQuery ML 建立及評估機器學習模型，並根據資料進行預測。

Learn more

完成在 BigQuery 執行預測資料分析技能徽章中階課程， 即可證明您具備下列技能：可匯入 CSV 和 JSON 檔案，在 BigQuery 建立資料集； 可運用 BigQuery 的強大功能與複雜的 SQL 分析概念，包括使用 BigQuery ML 根據足球賽事資料訓練出預期進球模型，評估世界盃進球的精彩程度。

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

完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。

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

Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.

Learn more

完成 從 BigQuery 資料取得深入分析結果 技能徽章入門課程，即可證明您具備下列技能： 撰寫 SQL 查詢、查詢公開資料表、將樣本資料載入 BigQuery、使用 BigQuery 的查詢驗證工具 排解常見語法錯誤，以及在 Data Studio 中 透過連結 BigQuery 資料建立報表。

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

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