Ghariani Oussema
成为会员时间:2025
黄金联赛
6437 积分
成为会员时间:2025
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。
Welcome to the "AI Infrastructure: Networking Techniques" course. In this course, you'll learn to leverage Google Cloud's high-bandwidth, low-latency infrastructure to optimize data transfer and communication between all the components of your AI system. By the end, you'll grasp the critical role networking plays across the entire AI pipeline from data ingestion and training to inference and be able to apply best practices to ensure your workloads run at maximum speed.
In this course, you’ll take a comprehensive journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads. You’ll learn how to choose the right storage for each stage of the ML lifecycle. You’ll explore how to optimize for I/O performance during training, manage massive datasets for data preparation, and serve model artifacts with low latency. Through practical examples and demonstrations, you’ll gain the expertise to design robust storage solutions that accelerate your AI innovation.
This course provides a comprehensive guide to deploying, managing, and optimizing AI and high-performance computing (HPC) workloads on Google Cloud. Through a series of lessons and practical demonstrations, you’ll explore diverse deployment strategies, ranging from highly customizable environments using Google Compute Engine (GCE) to managed solutions like Google Kubernetes Engine (GKE). Specifically, you’ll learn how to create clusters and deploy GKE for inference.
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。
「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。
「生成式 AI:掌握幕後技術與環境」是 Generative 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,以及我們如何與周遭的世界互動。身為領導者,您要如何駕馭 AI 強大的功能,創造實際業務成果?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,以及選擇解決方案時應考量的因素。
「生成式 AI: 瞭解基礎概念」是 Generative 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,以及各種資料類型如何協助生成式 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 應對基礎 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。
「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 在 Google Cloud 實作 Cloud 安全防護措施:基礎知識 技能徽章中階課程, 即可證明您具備下列技能:運用 Identity and Access Management (IAM) 建立及指派角色、 建立及管理服務帳戶、啟用虛擬私有雲 (VPC) 網路中的私人連線、 運用 Identity-Aware Proxy 限制應用程式存取權、 運用 Cloud Key Management Service (KMS) 管理金鑰和已加密資料,以及建立私人 Kubernetes 叢集。
完成「使用 Chrome Enterprise Premium 安全功能保護雲端流量」技能徽章課程,即可獲得技能徽章。本課程將說明 如何運用 Chrome Enterprise Premium 安全存取重要應用程式和服務、透過現代化 零信任平台強化資安態勢、使用身分和情境感知存取控管機制安全存取資源,以及使用 Client Connector 支援混合雲工作負載。