Jorge Mateu
成为会员时间:2025
白银联赛
10024 积分
成为会员时间:2025
人工智能 (AI) 具备巨大的变革潜力,但也带来了新的安全挑战。本课程专为负责安全性和数据保护的领导者而设计,助其运用相关策略在组织内安全管理 AI。学习一个有助于实现以下目标的框架:主动识别并减轻 AI 特有的风险,保护敏感数据,确保遵从法规,构建弹性 AI 基础设施。通过四个不同行业的精选用例,探索这些策略如何应用于现实场景。
本课程介绍了 Responsible AI 的概念和 AI 原则,还介绍了在 AI/机器学习实践中识别公平性与偏见以及减少偏见的实用技巧,同时探索了使用 Google Cloud 产品和开源工具来实施 Responsible AI 最佳实践的实用方法和工具。
In this course you will learn how to use the new generative AI features in Dialogflow CX to create virtual agents that can have more natural and engaging conversations with customers. Discover how to deploy generative fallback responses to gracefully handle errors and omissions in customer conversations, deploy generators to increase intent coverage, and structure, ingest, and manage data in a data store. And explore how to deploy and maintain generative AI agents using your data, and deploy and maintain hybrid agents in combination with existing intent-based design paradigms.
Discover flows in Conversational Agents and learn how to build deterministic chat and voice experiences with language models. Explore key concepts like drivers, intents, and entities, and how to use them to create conversational agents.
完成 云架构:设计、实施和管理课程,赢取技能徽章,展示您在以下方面的技能:使用 Apache Web 服务器部署可公开访问的网站;使用启动脚本配置 Compute Engine 虚拟机; 使用 Windows 堡垒主机和防火墙规则配置安全 RDP;构建 Docker 映像并将其部署到 Kubernetes 集群,然后进行更新;以及创建 CloudSQL 实例并导入 MySQL 数据库。 此技能徽章课程是非常有用的资源, 可帮助您理解 Google Cloud 认证 Professional Cloud Architect 认证考试中将会出现的主题。
本课程探讨 BigQuery 中用于减轻 AI 幻觉的检索增强生成 (RAG) 解决方案。BigQuery 引入了 RAG 工作流,其中涵盖了创建嵌入、搜索向量空间和生成更优质的回答。本课程解释了这些步骤背后的概念原理,以及这些步骤在 BigQuery 中的实际实施过程。学完本课程后,学员将能够使用 BigQuery 和生成式 AI 模型(如 Gemini)以及嵌入模型来构建 RAG 流水线,以解决在具体情况下遇到的 AI 幻觉问题。
本课程能让机器学习从业者掌握评估生成式和预测式 AI 模型的基本工具、方法和最佳实践。要确保机器学习系统在实际运用中提供可靠、准确、高效的结果,做好模型评估至关重要。 学员将深入了解各项评估指标、方法及如何在不同模型类型和任务中适当应用这些指标和方法。课程将着重介绍生成式 AI 模型带来的独特挑战,并提供有效解决这些挑战的策略。通过利用 Google Cloud 的 Vertex AI Platform,学员可学习如何在模型选择、优化和持续监控工作中实施卓有成效的评估流程。
本课程致力于为您提供所需的知识和工具,让您能够了解 MLOps 团队在部署和管理生成式 AI 模型以及探索 Vertex AI 如何帮助 AI 团队简化 MLOps 流程时面临的独特挑战,并帮助您在生成式 AI 项目中取得成功。
完成 在 Vertex AI 中设计提示入门技能徽章课程,展示以下方面的技能: Vertex AI 中的提示工程、图片分析和多模态生成式技术。探索如何编写有效的提示,指导生成式 AI 输出, 以及将 Gemini 模型应用于真实的营销场景。
打造您的首个 Gemini Enterprise 应用,赢得技能徽章!将各种数据源连接到您的应用中,构建强大、统一的搜索和分析引擎。掌握进阶能力,如:深度研究型智能体、多智能体协同构思,以及用于进行聚焦式分析的 NotebookLM。
了解 AI 智能体如何为业务带来实际影响。您将把智能体类型关联到您的关键绩效指标 (KPI),并探索能够解决实际瓶颈的用例。然后,您将了解 Gemini Enterprise 如何帮助您构建和编排合适的智能体,其范围涵盖从无代码到高代码的各种解决方案。
您已经创建了自己的第一个智能体,现在是时候更进一步了。在本课程中,您将通过学习应用高级指令、模型选择、规划功能以及结构化输出模式来精进技能,将基础 AI 智能体升级为一个精确、专业的智能助理。加入社区论坛,提出问题并参与讨论
使用 Google 的智能体开发套件 (ADK) 构建、配置和运行您的第一个 AI 智能体,将您对智能体的理解转化为实际应用。 在本实操课程中,您将设置一个完整的 ADK 开发环境,使用 Python 代码和 YAML 配置两种方式创建智能体,并通过多个界面运行智能体。您还将学习定义智能体行为的核心参数,将您在课程 1 中学到的知识应用到实际代码中。
随着企业对人工智能和机器学习的应用越来越广泛,以负责任的方式构建这些技术也变得更加重要。但对很多企业而言,真正践行 Responsible AI 并非易事。如果您有意了解如何在组织内践行 Responsible AI,本课程正适合您。 本课程将介绍 Google Cloud 目前如何践行 Responsible AI,以及从中总结的最佳实践和经验教训,便于您以此为框架构建自己的 Responsible AI 方法。
大致了解 AI 智能体的概念。了解 AI 智能体如何通过自主行动和推理来解决复杂问题。您将探索技术架构(模型、工具和编排),该架构使智能体能够学习、规划,并为您实现目标。
完成Google Cloud 云计算基础知识挑战任务,赢取技能徽章。 您将学习如何在 Compute Engine 中使用虚拟机 (VM)、永久性 磁盘和 Web 服务器。
This course will teach you how to build conversational experiences for Conversational Agents using Generative Playbooks. You'll start with an introduction to playbooks and learn how to set up your first one. You'll also learn about the importance of testing, as well as key production considerations like quota limits and integration. The course concludes with a case study that shows how to use playbooks for generative steering.
AI 智能体代表着超越传统大语言模型 (LLM) 的重大转变:AI 智能体不再仅仅只是生成基于文本的解决方案,更能自主行动来执行这些方案。 本课程将介绍 AI 智能体的基础知识、AI 智能体与 LLM API 的区别,以及 AI 智能体在现实世界中的价值所在。本课程基于 Google 的智能体白皮书,将为您提供必要的理论基础知识,以助您编写首行智能体代码 — 非常适合希望从自主、目标导向行为(而不仅仅是文本生成)的角度理解 AI 系统的开发者、架构师和技术决策者。 加入社区论坛,提出问题并参与讨论。
“生成式 AI: 全面了解生成式 AI”是 Generative AI Leader 学习路线中的第三门课程。生成式 AI 正在改变我们的工作方式,以及我们与周围世界的互动方式。作为领导者,应该如何利用生成式 AI 来推动实现实际的业务成果?在本课程中,您将探索构建生成式 AI 解决方案的不同层级、Google Cloud 的产品,以及选择解决方案时需要考虑的因素。
“生成式 AI 智能体:助力组织转型”是“Gen AI Leader”学习路线中的第五门课程,也是最后一门课程。本课程探讨了组织如何使用量身定制的生成式 AI 智能体,帮助应对特定的业务挑战。您将亲自动手构建一个基本的生成式 AI 智能体,并探索这些智能体的组成部分,例如模型、推理循环以及各种工具。
“生成式 AI 应用:改变工作方式”是 Generative AI Leader 学习路线的第四门课程。本课程介绍 Google 的生成式 AI 应用,例如 Gemini for Workspace 和 NotebookLM。它将引导您逐一了解接地、检索增强生成、构建有效提示和构建自动化工作流等概念。
“生成式 AI: 剖析基本概念”是 Generative AI Leader 学习路线中的第二门课程。在本课程中,您将了解生成式 AI 的基本概念。您要探索 AI、机器学习和生成式 AI 之间的区别,了解各种数据类型如何赋能生成式 AI,从而应对各种业务挑战。您还将深入了解 Google Cloud 应对基础模型局限性的策略,以及负责任和安全的 AI 开发与部署面临着哪些关键挑战。
“生成式 AI:不只是聊天机器人”是 Generative AI Leader 学习路线中的第一门课程。学习本课程没有知识门槛。本课程旨在帮助您超越对聊天机器人的基本认知,探索生成式 AI技术为您的组织带来的真正潜力。您将探索基础模型和提示工程等概念,这些知识对利用生成式 AI 的强大功能至关重要。本课程还将说明,为组织制定成功的生成式 AI 策略时,需要考虑哪些重要因素。
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。
这是一节入门级微课程,旨在解释什么是生成式 AI、它的用途以及与传统机器学习方法的区别。该课程还介绍了可以帮助您开发自己的生成式 AI 应用的各种 Google 工具。