José Eduardo Valerio López
Member since 2025
Member since 2025
完成「在 Google Cloud 使用 Terraform 建構基礎架構」技能徽章中階課程, 即可證明自己具備下列知識與技能:使用 Terraform 的基礎架構即程式碼 (IaC) 原則、運用 Terraform 設定佈建及管理 Google Cloud 資源、有效管理狀態 (本機和遠端),以及將 Terraform 程式碼模組化,以利重複使用和管理。
完成 建立 Google Cloud 網路 課程即可獲得技能徽章。這個課程將說明 部署及監控應用程式的多種方法,包括查看 IAM 角色及新增/移除 專案存取權、建立虛擬私有雲網路、部署及監控 Compute Engine VM、編寫 SQL 查詢、在 Compute Engine 部署及監控 VM,以及 使用 Kubernetes 透過多種方法部署應用程式。
這堂隨選密集課程會向參加人員說明 Google Cloud 提供的全方位彈性基礎架構和平台服務,尤其側重於 Compute Engine。這堂課程結合了視訊講座、示範和實作研究室,可讓參加人員探索及部署解決方案元素,例如網路、虛擬機器和應用程式服務等基礎架構元件。您會瞭解如何透過控制台和 Cloud Shell 使用 Google Cloud。另外,您也能瞭解雲端架構師的職責、基礎架構設計方法,以及具備虛擬私有雲 (VPC)、專案、網路、子網路、IP 位址、路徑和防火牆規則的虛擬網路設定。
這堂隨選密集課程會向參加人員說明 Google Cloud 提供的全方位彈性基礎架構和平台服務。這堂課結合了視訊講座、示範和實作研究室,可讓參加人員探索及部署解決方案元素,包括安全地建立互連網路、負載平衡、自動調度資源、基礎架構自動化,以及代管服務。
這堂隨選密集課程會向參加人員說明 Google Cloud 提供的全方位彈性基礎架構和平台服務,並將重點放在 Compute Engine。這堂課程結合了視訊講座、示範和實作研究室,可讓參加人員探索及部署解決方案元素,例如網路、系統和應用程式服務等基礎架構元件。另外,這堂課也會介紹如何部署實用的解決方案,包括客戶提供的加密金鑰、安全性和存取權管理機制、配額與帳單,以及資源監控功能。
歡迎參加「開始使用 Google Kubernetes Engine」課程。Kubernetes 是位於應用程式和硬體基礎架構之間的軟體層。如果您對這項技術感興趣,這堂課程可以滿足您的需求。有了 Google Kubernetes Engine,您就能在 Google Cloud 中以代管服務的形式使用 Kubernetes。 本課程的目標在於介紹 Google Kubernetes Engine (常簡稱為 GKE) 的基本概念,以及如何將應用程式容器化,以便在 Google Cloud 中執行。課程首先會初步介紹 Google Cloud,隨後簡介容器、Kubernetes、Kubernetes 架構和 Kubernetes 作業。
「Google Cloud 基礎知識:核心基礎架構」介紹了在使用 Google Cloud 時會遇到的重要概念和術語。本課程會透過影片和實作實驗室,介紹並比較 Google Cloud 的多種運算和儲存服務,同時提供重要的資源和政策管理工具。
Learn how to use Gemini Notebook to create a personalized study guide for the Associate Cloud Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook , and learn how to use a study guide to practice for a certification exam.
隨著企業持續擴大使用人工智慧和機器學習,以負責任的方式發展相關技術也日益重要。對許多企業來說,談論負責任的 AI 技術可能不難,如何付諸實行才是真正的挑戰。如要瞭解如何在機構中導入負責任的 AI 技術,本課程絕對能助您一臂之力。 您可以從中瞭解 Google Cloud 目前採取的策略、最佳做法和經驗談,協助貴機構奠定良好基礎,實踐負責任的 AI 技術。
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。
Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。完成這一系列課程後,學員將能闡述這些概念並展示實用技能。學員需依序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI 本系列的最後一堂課回顧了代管大數據服務、機器學習與這項技術的價值,以及如何獲得技能徽章,進一步展示您的 Google Cloud 技能。
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「建構安全的 Google Cloud 網路」課程,即可獲得技能徽章。本課程將說明多項網路相關 資源,協助您在 Google Cloud 建構、調度資源和保護應用程式。
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。
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。
Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。 完成這一系列課程後,學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI 第三門課涵蓋雲端自動化和管理工具,以及建構安全網路。
Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。完成這一系列課程後,學員將能闡述這些概念並展示實用技能。學員需依序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI
Google Cloud 運算基本概念課程,適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念,以及 Google Cloud 的角色和定位。完成這一系列課程後,學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程: 1. Google Cloud 運算的基本概念:Cloud 運算基礎知識 2. Google Cloud 運算的基本概念:Google Cloud 基礎架構 3. Google Cloud 運算的基本概念:Google Cloud 的網路與安全性 4. Google Cloud 運算的基本概念:Google Cloud 中的資料、機器學習和 AI 第一門課會概略說明雲端運算、Google Cloud 的使用方式,以及不同的運算選項。
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。
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。
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。
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。