加入 登录

Apply your skills in Google Cloud console

Anna Parfenova

成为会员时间：2020

白银联赛

9621 积分
Google Cloud 中的 Kubernetes Earned Jan 26, 2026 EST
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則 Earned Nov 18, 2024 EST
在 Vertex AI 設計提示 Earned Nov 8, 2024 EST
負責任的 AI 技術簡介 Earned Oct 29, 2024 EDT
大型語言模型簡介 Earned Oct 27, 2024 EDT
生成式 AI 簡介 Earned Oct 24, 2024 EDT
使用 BigQuery ML 為預測模型進行資料工程 Earned Aug 22, 2023 EDT
Serverless Data Processing with Dataflow: Foundations Earned Aug 13, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Aug 7, 2023 EDT
Build Streaming Data Pipelines on Google Cloud Earned Aug 6, 2023 EDT
在 Google Cloud 為機器學習 API 準備資料 Earned Jul 25, 2023 EDT
透過 BigQuery 建構資料倉儲 Earned Jul 18, 2023 EDT
Build Batch Data Pipelines on Google Cloud Earned Jul 3, 2023 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Jun 6, 2023 EDT

Kubernetes 是最受歡迎的容器自動化調度管理系統，Google Kubernetes Engine 則專門支援 Google Cloud 中的 代管 Kubernetes 部署項目。這門進階課程將帶您實際練習設定 Docker 映像檔和容器，並部署完整的 Kubernetes Engine 應用程式。 您會學到如何將容器自動化調度管理機制， 整合到自己的工作流程，這些技巧相當實用。 想透過實作挑戰實驗室展現 技能、驗收學習成果嗎？本課程結束後，再完成 在 Google Cloud 部署 Kubernetes 應用程式課程 結尾的挑戰實驗室，即可獲得專屬 Google Cloud 數位徽章。

了解详情

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。

了解详情

完成 在 Vertex AI 設計提示 技能徽章入門課程，即可證明您具備下列技能： 在 Vertex AI 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。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情

完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。

了解详情

This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.

了解详情

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.

了解详情

In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.

了解详情

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 Dataproc 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。

了解详情

完成 透過 BigQuery 建構資料倉儲 技能徽章中階課程，即可證明您具備下列技能： 彙整資料以建立新資料表、排解彙整作業問題、利用聯集附加資料、建立依日期分區的資料表， 以及在 BigQuery 使用 JSON、陣列和結構體。

了解详情

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

了解详情

While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.

了解详情