Connor Meagher
Member since 2023
Diamond League
20625 points
Member since 2023
完成 Google Kubernetes Engine 成本效益最佳化 技能徽章中階課程, 即可證明您具備下列技能:建立及管理多租戶叢集、依據命名空間監控資源使用量、 設定自動調度叢集和 Pod 資源以提升效能、設定負載平衡以最佳化 資源分配,以及導入有效性和完備性探測,確保應用程式維持健康並符合成本效益。
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。
完成「管理 Google Cloud 中的 Kubernetes」技能徽章中階課程, 即可證明您具備下列技能:使用 kubectl 管理部署作業、 在 Google Kubernetes Engine (GKE) 監控應用程式與偵錯,以及運用技術持續推送軟體更新。
完成「使用 Google Data Cloud 共用資料」課程,即可獲得技能徽章。 在本課程中,您會透過 Google Cloud 資料共用合作夥伴, 使用專屬資料集進行數據分析, 獲得豐富的實務經驗。客戶訂閱這類資料後,即可在自家平台查詢, 並用自己的資料集補強。此外,也能使用圖表 工具,打造客戶專用的資訊主頁。
Cloud Storage、Cloud Functions 和 Cloud Pub/Sub 都是 Google Cloud Platform 服務, 可用於儲存、處理及管理資料。您可以整合運用這三種服務, 打造各式各樣的資料導向應用程式。在這個技能徽章課程中, 您將使用 Cloud Storage 儲存圖片、透過 Cloud Functions 處理, 並利用 Cloud Pub/Sub 將圖片傳送至其他應用程式。
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。
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。
完成「使用 Dataplex 整理及管理資料」技能徽章入門課程,即可證明您具備下列技能:建立 Dataplex 資產、建立切面類型,以及將切面套用至 Dataplex 中的項目。 技能徽章課程透過實作實驗室和挑戰評量,檢驗學員對於特定產品的實作知識。 完成課程或直接進行挑戰實驗室,即可取得徽章。徽章可證明您的專業能力、提升專業形象,開創更多職涯發展機會。前往個人資料頁面,追蹤您獲得的徽章。
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。
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。
「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。
本課程會介紹 Vertex AI Studio。您可以運用這項工具和生成式 AI 模型互動、根據商業構想設計原型,並投入到正式環境。透過身歷其境的應用實例、有趣的課程及實作實驗室,您將能探索從提示到正式環境的生命週期,同時學習如何將 Vertex AI Studio 運用在多模態版 Gemini 應用程式、提示設計、提示工程和模型調整。這個課程的目標是讓您能運用 Vertex AI Studio,在專案中發揮生成式 AI 的潛能。
本課程說明如何使用深度學習來建立圖像說明生成模型。您將學習圖像說明生成模型的各個不同組成部分,例如編碼器和解碼器,以及如何訓練和評估模型。在本課程結束時,您將能建立自己的圖像說明生成模型,並使用模型產生圖像說明文字。
這堂課程將說明變換器架構,以及基於變換器的雙向編碼器表示技術 (BERT) 模型,同時帶您瞭解變換器架構的主要組成 (如自我注意力機制) 和如何用架構建立 BERT 模型。此外,也會介紹 BERT 適用的各種任務,像是文字分類、問題回答和自然語言推論。課程預計約 45 分鐘。
本課程概要說明解碼器與編碼器的架構,這種強大且常見的機器學習架構適用於序列對序列的任務,例如機器翻譯、文字摘要和回答問題。您將認識編碼器與解碼器架構的主要元件,並瞭解如何訓練及提供這些模型。在對應的研究室逐步操作說明中,您將學習如何從頭開始使用 TensorFlow 寫程式,導入簡單的編碼器與解碼器架構來產生詩詞。
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。
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。