Connor Meagher
成为会员时间:2023
钻石联赛
20625 积分
成为会员时间:2023
完成中级技能徽章课程“优化 Google Kubernetes Engine 的费用”, 展示您在以下方面的技能:创建和管理多租户集群、按命名空间监控资源使用情况、 配置集群和 Pod 自动扩缩以提高效率、设置负载均衡以实现最佳资源分布, 以及实现活跃性与就绪性探测以确保应用正常运行并具有成本效益。
完成中级技能徽章课程使用多模态 Gemini 和多模态 RAG 检查富文档,展示您在以下方面的技能: 将多模态与 Gemini 配合使用,从而使用多模态提示从文本数据和视觉数据中提取信息、生成视频说明、 检索视频中不包含的额外信息; 将多模态检索增强生成 (RAG) 与 Gemini 配合使用,以构建包含文本和图片的文档的元数据、获取所有相关文本块并输出引用。
完成在 Google Cloud 中管理 Kubernetes这一中级技能徽章课程, 展示您在以下方面的技能:使用 kubectl 管理部署、监控并 调试在 Google Kubernetes Engine (GKE) 上运行的应用,以及持续交付技术。
完成用 Google Data Cloud 共享数据技能徽章课程,赢取技能 徽章。您将获得使用 Google Cloud 数据共享合作伙伴 的实操经验,这些合作伙伴拥有专有数据集, 客户可将其用于自己的分析应用场景。客户订阅这些数据集,可在自己的 平台上查询,然后使用自己的数据集加以扩充,并使用自己的可视化 工具,用于面向客户的信息中心。
Cloud Storage, Cloud Functions 和 Cloud Pub/Sub 都是 Google Cloud Platform 服务,可用于存储、处理和管理数据。这三项 服务可结合使用,创建各种数据驱动型应用。在 此技能徽章课程中,您将使用 Cloud Storage 存储图片,使用 Cloud Functions 函数 处理图片,并使用 Cloud Pub/Sub 将图片发送到另一个应用。
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 Managed Service for Apache Spark 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。
完成中级技能徽章课程通过 BigQuery ML 创建机器学习模型,展示您在以下方面的技能: 使用 BigQuery ML 创建和评估机器学习模型,以执行数据预测。
完成入门级技能徽章课程“使用 Dataplex 整理和治理数据”,展示您在以下方面的技能:创建 Dataplex 资产、创建切面类型,以及将切面应用于 Dataplex 中的条目。 技能徽章通过动手实验和挑战赛形式的评估,检验您对特定产品的实际知识掌握情况。完成课程即可获得徽章, 也可直接参加实验室挑战赛,快速获得徽章。徽章可证明您掌握技能的熟练程度,提升您的专业形象,最终助您获得更多职业机会。欢迎访问您的个人资料,并跟踪您已获得的徽章。
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。
探索生成式 AI - Agent Platform”课程包含一系列实验, 指导用户在 Google Cloud 平台上使用生成式 AI。通过这些实验,您将了解 如何在 Agent Platform 中使用 Gemini 模型。您还将了解提示设计、最佳实践, 以及如何使用生成式 AI 进行构思、文本分类、文本提取、文本摘要等。此外, 您将学习如何通过 Agent Platform 中的自定义训练来训练基础模型, 从而对其进行调优,以及如何将其部署到 Agent Platform 中的端点。
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。