Muhammad Ivan
Member since 2023
Diamond League
28945 points
Member since 2023
完成 在 Agent Platform 設計提示 技能徽章入門課程,即可證明您具備下列技能: 在 Agent Platform 設計提示、分析圖片,以及運用多模態模型生成內容。瞭解如何建立有效的提示、引導生成式 AI 輸出內容, 以及將 Gemini 模型用於實際的行銷情境。
本課程介紹 Google Cloud 的 AI 和機器學習 (ML) 功能,著重說明如何開發生成式和預測式 AI 專案。我們也會探討「從資料到 AI」整個生命週期都適用的技術、產品和工具,並透過互動式練習,協助資料科學家、AI 開發人員和機器學習工程師精進專業知識。
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.
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
大家都知道,機器學習是發展最快的科技領域之一, 而 Google Cloud Platform 在這方面功不可沒。 GCP 提供多種 API,凡是與機器學習相關的任務,幾乎都能處理。您將在本入門課程的 實驗室,實際演練機器學習技術 在語言處理方面的應用,學會如何從文中擷取實體資訊、 執行情緒和語法分析,並使用 Speech-to-Text API 轉錄語音。
大數據、機器學習和人工智慧 (AI) 是時下熱門的 電腦相關話題,但這些領域相當專業,就算想要入門 也難以取得教材或資料。幸好,Google Cloud 提供了此領域的多種服務,而且容易使用。 參加這堂入門課程,您就能踏出第一步, 開始學習運用 BigQuery、Cloud Speech API 以及 Video Intelligence 等工具。
本課程介紹的 Gemini 是採用生成式 AI 技術的協作工具,可協助分析客戶資料及預測產品銷售情形。您也會學習如何在 BigQuery 中使用客戶資料識別、分類及開發新客戶。透過使用實作研究室,您可以體驗 Gemini 如何改良資料分析和機器學習工作流程。 Duet AI 已更名為 Gemini,這是我們的新一代模型。
「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。
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
這個簡短的課程會說明如何在 Google Cloud 整合應用程式與 Gemini,讓您瞭解 Gemini API 及 Gemini 生成式 AI 模型,並學習如何透過程式碼存取 Gemini 模型。另外,您會在應用程式中使用文字、圖片和影片提示,測試模型的功能。
完成「監控及管理 Google Cloud 資源」技能徽章入門課程,即可證明您具備下列技能:授予及撤銷 IAM 權限; 安裝 Monitoring 和 Logging 代理程式;建立、部署及測試事件導向的 Cloud Run 函式。
完成「在 Looker 建構 LookML 物件」技能徽章入門課程, 即可證明您具備下列技能: 建立新的維度和測量指標、檢視畫面和衍生資料表;根據需求設定測量指標篩選器和類型; 更新維度和測量指標; 建構及調整「探索」;將檢視表彙整至現有「探索」;以及配合業務需求決定要建立哪些 LookML 物件。
完成在 BigQuery 執行預測資料分析技能徽章中階課程, 即可證明您具備下列技能:可匯入 CSV 和 JSON 檔案,在 BigQuery 建立資料集; 可運用 BigQuery 的強大功能與複雜的 SQL 分析概念,包括使用 BigQuery ML 根據足球賽事資料訓練出預期進球模型,評估世界盃進球的精彩程度。
完成「使用 Natural Language API 分析情緒」任務, 瞭解 API 如何從文字判斷情緒, 即可獲得技能徽章。
完成使用 Cloud Vision API 分析圖片課程,即可獲得技能徽章。本課程說明如何運用 Cloud Vision API 執行各種工作,包括擷取圖片中的文字。
完成「使用 Google API 分析語音和語言」課程, 瞭解如何將 Natural Language API 和 Speech API 投入實際應用, 即可獲得技能徽章。
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「設定 Google Cloud 網路」課程,即可獲得技能徽章。 您將瞭解如何在 Google Cloud Platform 執行基本的網路工作,包括建立自訂網路、新增子網路防火牆規則,還有建立 VM 並測試 VM 之間的通訊延遲。
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 在 Google Cloud 實作 DevOps 工作流程 技能徽章中階課程, 即可證明您具備下列技能:建立與管理 Git 存放區、 在 Google Kubernetes Engine (GKE) 發布、管理和調度 Deployment, 以及建立 CI/CD 管道,自動建構容器映像檔與執行 GKE 部署作業。
Get Anthos Ready. This Google Kubernetes Engine-centric quest of best practice hands-on labs focuses on security at scale when deploying and managing production GKE environments -- specifically role-based access control, hardening, VPC networking, and binary authorization.
瞭解如何在 Google Cloud 保護部署項目, 包括使用 Cloud Armor 機器人管理功能,降低機器人風險及控管自動化用戶端的存取權;使用 Cloud Armor 拒絕清單,限制或允許 存取 Google Cloud 邊緣的 HTTP(S) 負載平衡器;套用 Cloud Armor 安全性政策,限制存取 Cloud CDN 和 Google Cloud Storage 中的快取物件; 以及使用 Cloud Armor WAF 規則,減少常見安全漏洞。
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。
完成「為 Looker 資訊主頁和報表準備資料」技能徽章入門課程, 即可證明您具備下列技能:可篩選、排序和 pivot 資料、合併不同的 Looker 探索結果, 還能使用函式和運算子建構 Looker 資訊主頁和報表,取得資料分析結果和圖表。
完成建立及管理 AlloyDB 執行個體技能徽章入門課程, 即可證明自己具備下列技能:執行主要 AlloyDB 作業 和工作、從 PostgreSQL 遷移至 AlloyDB、管理 AlloyDB 資料庫,以及 使用 AlloyDB 資料欄引擎加快數據分析查詢。
完成 從 BigQuery 資料取得深入分析結果 技能徽章入門課程,即可證明您具備下列技能: 撰寫 SQL 查詢、查詢公開資料表、將樣本資料載入 BigQuery、使用 BigQuery 的查詢驗證工具 排解常見語法錯誤,以及在 Data Studio 中 透過連結 BigQuery 資料建立報表。
完成 使用 Firebase 開發無伺服器應用程式 技能徽章中階課程, 即可證明您具備下列技能:使用 Firebase 架構及建構無伺服器的網頁應用程式、 運用 Firestore 管理資料庫、使用 Cloud Build 自動部署內容, 以及將 Google 助理功能整合至應用程式。
完成透過 Google Cloud 建構網站技能徽章課程,即可獲得入門級技能徽章。 本課程以 Get Cooking in Cloud 系列影片為基礎, 涵蓋以下主題:在 Cloud Run 部署網站在 Compute Engine 託管網頁應用程式在 Google Kubernetes Engine 建立、 部署及擴充網站使用 Cloud Build 將單體式應用程式遷移至微服務架構
完成 在 Google Cloud 部署 Kubernetes 應用程式 技能徽章中階課程,即可證明您具備下列技能: 設定及建構 Docker 容器映像檔、建立及管理 Google Kubernetes Engine (GKE) 叢集、運用 kubectl 有效 管理叢集,以及運用強大的持續推送軟體更新做法來部署 Kubernetes 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。
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。