Anirudh Rajarathnam
成为会员时间:2021
钻石联赛
20361 积分
成为会员时间:2021
您已经构建了具有高级配置的智能体,现在可赋予它们实际应用能力。为智能体配备能够搜索网络、执行代码、查询数据库和执行自定义操作的工具。让智能体从“智能回答者”转变为能够自主采取行动的得力助手。
在本次课程中,探索 AI 赋能的搜索技术、工具和应用。学习利用向量嵌入的语义搜索、融合语义和关键字的混合搜索方法,以及检索增强生成 (RAG) 技术,以打造基于事实的 AI 智能体,尽可能减少 AI 幻觉。获取 Vertex AI Vector Search 实战经验,打造您自己的智能搜索引擎。
在本课程中,您将学习如何使用 Google 智能体开发套件构建复杂的多智能体系统。您将构建搭载工具的智能体,利用父子层级关系和工作流进行连接,以此定义它们的交互方式。您将在本地运行智能体,将其部署到 Vertex AI Agent Engine 并作为托管式智能体流运行,基础设施决策和资源扩缩则由 Agent Engine 处理。请注意,这些实验基于此产品的预发布版本。在进行维护更新时,这些实验可能会出现一些延迟。
使用 Google 的智能体开发套件 (ADK) 构建、配置和运行您的第一个 AI 智能体,将您对智能体的理解转化为实际应用。 在本实操课程中,您将设置一个完整的 ADK 开发环境,使用 Python 代码和 YAML 配置两种方式创建智能体,并通过多个界面运行智能体。您还将学习定义智能体行为的核心参数,将您在课程 1 中学到的知识应用到实际代码中。
AI 智能体代表着超越传统大语言模型 (LLM) 的重大转变:AI 智能体不再仅仅只是生成基于文本的解决方案,更能自主行动来执行这些方案。 本课程将介绍 AI 智能体的基础知识、AI 智能体与 LLM API 的区别,以及 AI 智能体在现实世界中的价值所在。本课程基于 Google 的智能体白皮书,将为您提供必要的理论基础知识,以助您编写首行智能体代码 — 非常适合希望从自主、目标导向行为(而不仅仅是文本生成)的角度理解 AI 系统的开发者、架构师和技术决策者。 加入社区论坛,提出问题并参与讨论。
This structured course is for developers interested in building intelligent agents using the Agent Development Kit (ADK). It combines hands-on experience, core concepts, and practical application, to provide a comprehensive guide to using ADK. You can also join our community of Google Cloud experts and peers to ask questions, collaborate on answers, and connect with the Googlers making the products you use every day.
This content is deprecated. Please see the latest version of the course, here.
完成中级技能徽章课程“使用 Gemini 和 Streamlit 开发生成式 AI 应用”,展示您在以下方面的技能: 文本生成、通过 Python SDK 和 Gemini API 应用函数调用,以及通过 Cloud Run 部署 Streamlit 应用。 您将了解如何以不同方式通过提示来让 Gemini 生成文本、使用 Cloud Shell 进行测试,以及如何迭代 Streamlit 应用,随后将其封装成 Docker 容器并部署在 Cloud Run 中。
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
本课程介绍 Vertex AI Studio,这是一种用于与生成式 AI 模型交互、围绕业务创意进行原型设计并在生产环境中落地的工具。通过沉浸式应用场景、富有吸引力的课程和实操实验,您将探索从提示到产品的整个生命周期,了解如何将 Vertex AI Studio 用于多模态 Gemini 应用、提示设计、提示工程和模型调优。本课程的目的在于帮助您利用 Vertex AI Studio,在自己的项目中充分发掘生成式 AI 的潜力。
本课程教您如何使用深度学习来创建图片标注模型。您将了解图片标注模型的不同组成部分,例如编码器和解码器,以及如何训练和评估模型。学完本课程,您将能够自行创建图片标注模型并用来生成图片说明。
本课程向您介绍 Transformer 架构和 Bidirectional Encoder Representations from Transformers (BERT) 模型。您将了解 Transformer 架构的主要组成部分,例如自注意力机制,以及该架构如何用于构建 BERT 模型。您还将了解可以使用 BERT 的不同任务,例如文本分类、问答和自然语言推理。完成本课程估计需要大约 45 分钟。
本课程简要介绍了编码器-解码器架构,这是一种功能强大且常见的机器学习架构,适用于机器翻译、文本摘要和问答等 sequence-to-sequence 任务。您将了解编码器-解码器架构的主要组成部分,以及如何训练和部署这些模型。在相应的实验演示中,您将在 TensorFlow 中从头编写简单的编码器-解码器架构实现代码,以用于诗歌生成。
本课程将向您介绍注意力机制,这是一种强大的技术,可令神经网络专注于输入序列的特定部分。您将了解注意力的工作原理,以及如何使用它来提高各种机器学习任务的性能,包括机器翻译、文本摘要和问题解答。
本课程向您介绍扩散模型。这类机器学习模型最近在图像生成领域展现出了巨大潜力。扩散模型的灵感来源于物理学,特别是热力学。过去几年内,扩散模型成为热门研究主题并在整个行业开始流行。Google Cloud 上许多先进的图像生成模型和工具都是以扩散模型为基础构建的。本课程向您介绍扩散模型背后的理论,以及如何在 Vertex AI 上训练和部署此类模型。
随着企业对人工智能和机器学习的应用越来越广泛,以负责任的方式构建这些技术也变得更加重要。但对很多企业而言,真正践行 Responsible AI 并非易事。如果您有意了解如何在组织内践行 Responsible AI,本课程正适合您。 本课程将介绍 Google Cloud 目前如何践行 Responsible AI,以及从中总结的最佳实践和经验教训,便于您以此为框架构建自己的 Responsible AI 方法。
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
这是一节入门级微课程,旨在解释什么是负责任的 AI、它的重要性,以及 Google 如何在自己的产品中实现负责任的 AI。此外,本课程还介绍了 Google 的 7 个 AI 开发原则。
这是一节入门级微学习课程,探讨什么是大型语言模型 (LLM)、适合的应用场景以及如何使用提示调整来提升 LLM 性能,还介绍了可以帮助您开发自己的 Gen AI 应用的各种 Google 工具。
这是一节入门级微课程,旨在解释什么是生成式 AI、它的用途以及与传统机器学习方法的区别。该课程还介绍了可以帮助您开发自己的生成式 AI 应用的各种 Google 工具。
This course enables system integrators and partners to understand the principles of automated migrations, plan legacy system migrations to Google Cloud leveraging G4 Platform, and execute a trial code conversion.
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.
完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据,展示以下技能: 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Dataproc 中创建集群和运行 Apache Spark 作业,以及调用机器学习 API,包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
This is the first of two Quests of hands-on labs is derived from the exercises from the book Data Science on Google Cloud Platform, 2nd Edition by Valliappa Lakshmanan, published by O'Reilly Media, Inc. In this first Quest, covering up through chapter 8, you are given the opportunity to practice all aspects of ingestion, preparation, processing, querying, exploring and visualizing data sets using Google Cloud tools and services.
完成开发 Google Cloud 网络课程,赢取技能徽章。在此课程中,您将学习 部署和监控应用的多种方法,包括执行以下任务的方法:探索 IAM 角色并添加/移除 项目访问权限、创建 VPC 网络、部署和监控 Compute Engine 虚拟机、 编写 SQL 查询、在 Compute Engine 中部署和监控虚拟机,以及使用 Kubernetes 通过多种部署方法部署应用。
完成入门级技能徽章课程为 Compute Engine 实现云负载均衡,展示以下方面的技能: 在 Compute Engine 中创建和部署虚拟机 以及配置网络和应用负载均衡器。
这是一套自助式速成课程,向学员介绍 Google Cloud 提供的灵活全面的基础架构和平台服务。学员将通过一系列视频讲座、演示和实操实验,探索和部署各种解决方案元素,包括安全互连网络、负载均衡、自动扩缩、基础架构自动化和代管式服务。
这门自助式速成课程向学员介绍 Google Cloud 提供的灵活全面的基础架构和平台服务,着重介绍了 Compute Engine。学员将通过一系列视频讲座、演示和动手实验,探索和部署各种解决方案元素,包括网络、系统和应用服务等基础架构组件。本课程的内容还包括如何部署实用的解决方案,包括客户提供的加密密钥、安全和访问权限管理、配额和结算,以及资源监控。
这门自助式速成课程向学员介绍 Google Cloud 提供的灵活全面的基础架构和平台服务,其中着重介绍了 Compute Engine。学员将通过一系列视频讲座、演示和动手实验,探索和部署各种解决方案元素,包括网络、虚拟机和应用服务等基础架构组件。您将学习如何通过控制台和 Cloud Shell 使用 Google Cloud。您还将了解云架构师角色、基础架构设计方法以及虚拟网络配置和虚拟私有云 (VPC)、项目、网络、子网、IP 地址、路由及防火墙规则。