Fernando Meneses
Member since 2025
Diamond League
40773 points
在 Google Cloud 打造生成式 AI 應用程式
Earned Aug 20, 2025 EDT
透過 Vertex AI 建構及部署機器學習解決方案
Earned Aug 19, 2025 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Aug 19, 2025 EDT
大型語言模型簡介
Earned Aug 16, 2025 EDT
生成式 AI 簡介
Earned Aug 16, 2025 EDT
MLOps with Agent Platform: Manage Features
Earned Aug 16, 2025 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Aug 15, 2025 EDT
Production Machine Learning Systems
Earned Aug 14, 2025 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Aug 4, 2025 EDT
[DEPRECATED] Feature Engineering
Earned Jul 30, 2025 EDT
使用 BigQuery ML 為預測模型進行資料工程
Earned Jul 29, 2025 EDT
運用 BigQuery ML 建立機器學習模型
Earned Jul 28, 2025 EDT
Working with Notebooks in Vertex AI
Earned Jul 28, 2025 EDT
在 Google Cloud 為機器學習 API 準備資料
Earned Jul 27, 2025 EDT
Google Cloud 的 AI 和機器學習服務簡介
Earned Jul 26, 2025 EDT
Build a Certification Study Guide: PMLE
Earned Jul 23, 2025 EDT
綜合應用：為 Cloud 資料分析師工作做準備
Earned Jul 22, 2025 EDT
資料敘事的強大力量：如何在 Cloud 以圖表呈現資料
Earned Jul 21, 2025 EDT
在 Cloud 轉換資料
Earned Jul 16, 2025 EDT
在 Cloud 管理與儲存資料
Earned Jul 15, 2025 EDT
Google Cloud 資料分析功能簡介
Earned Jul 11, 2025 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned May 10, 2025 EDT
開發人員的負責任 AI 技術：隱私權與安全性
Earned May 10, 2025 EDT
開發人員的負責任 AI 技術：可解釋性與透明度
Earned May 6, 2025 EDT
開發人員的負責任 AI 技術：公平性與偏誤
Earned May 5, 2025 EDT
使用 Gemini 多模態功能和多模態 RAG 檢查複合型文件
Earned May 4, 2025 EDT
Vector Search 和嵌入
Earned May 2, 2025 EDT
Vertex AI Studio 簡介
Earned Apr 30, 2025 EDT
建立圖像說明生成模型
Earned Apr 27, 2025 EDT
Transformer 和 BERT 模型
Earned Apr 27, 2025 EDT
編碼器-解碼器架構
Earned Apr 27, 2025 EDT
注意力機制
Earned Apr 26, 2025 EDT
圖像生成簡介
Earned Apr 26, 2025 EDT
大型語言模型 (LLM) 誕生之後，生成式 AI 應用程式帶來的嶄新使用者體驗，可說是幾乎前所未有。身為應用程式開發人員，您要如何在 Google Cloud，運用生成式 AI 建立出色的互動式應用程式？
本課程將帶您瞭解生成式 AI 應用程式，以及如何使用提示設計和檢索增強生成 (RAG)，透過 LLM 建構強大的應用程式。我們也會介紹可用於正式環境的生成式 AI 應用程式架構。您將建構採用 LLM 和 RAG 的對話應用程式。
Learn more
完成 透過 Vertex AI 建構及部署機器學習解決方案 課程，即可瞭解如何使用 Google Cloud 的 Vertex AI 平台、AutoML 和自訂訓練服務， 訓練、評估、調整、解釋及部署機器學習模型。 這個技能徽章課程適合專業數據資料學家和機器學習 工程師，完成即可取得中階技能徽章。技能 徽章是 Google Cloud 核發的獨家數位徽章， 用於肯定您在 Google Cloud 產品和服務方面的精通程度， 代表您已通過測驗，能在互動式實作環境應用相關知識。完成這個技能徽章課程 和結業評量挑戰實驗室，就能獲得數位徽章， 並與親友分享。
Learn more
本課程針對評估生成式和預測式 AI 模型，向機器學習從業人員介紹相關的基礎工具、技術和最佳做法。模型評估是機器學習的重要領域，確保這類系統能在正式環境中提供可靠、準確且成效優異的結果。
學員將深入瞭解多種評估指標與方法，以及適用於不同模型類型和工作的應用方式。此外，也會特別介紹生成式 AI 模型帶來的獨特難題，並提供有效的應對策略。透過 Google Cloud Vertex AI 平台，學員將瞭解在模型挑選、最佳化和持續監控方面，該如何導入穩健的評估程序。
Learn more
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。
Learn more
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。
Learn more
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production.
Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
Learn more
This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.
Learn more
This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators.
This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.
Learn more
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Learn more
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
Learn more
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。
Learn more
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。
Learn more
This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.
Learn more
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。
Learn more
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。
Learn more
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.
Learn more
這是 Google Cloud Data Analytics 專業證書五堂課程中的第五堂。在本課程中，您將結合第一到第四堂課程的基礎知識和技能，並活用所學，透過專題實作呈現完整的資料生命週期。您將練習使用雲端式工具，有效率地取得、儲存、處理、分析資料，並以圖表呈現及傳達資料洞察結果。本課程結束後，您將完成一項專案，證明自己精通於有效整理多個來源的資料、向不同相關人士說明解決方案，以及運用雲端式軟體將資料洞察結果以圖表呈現。此外，您還會更新履歷，並練習面試技巧，為應徵和面試做好準備。
Learn more
這是 Google Cloud Data Analytics 專業證書五堂課程中的第四堂。本課程著重於培養雲端資料圖表製作的技能，共分五個主要階段：敘事、規劃、探索資料、建立圖表，以及與他人分享資料。您還會實際使用 UI/UX 技能，繪製具說服力的雲端原生圖表線框稿，並運用雲端原生資料圖表工具探索資料集、建立報表和資訊主頁，推動決策並促進協作。
Learn more
Google Cloud 資料分析專業證書課程共有五堂課程，這是第三堂。本課程會先簡要說明資料歷程，從最初的資料收集，一直到最後的洞察分析。接著，您將依序學習如何使用 SQL 將原始資料轉換為可用的格式、怎麼透過資料管道轉換大量資料。最後，您將練習如何將轉換策略應用於實際資料集，滿足業務需求。
Learn more
這是 Google Cloud 資料分析專業證書五堂課程中的第二堂。本課程將帶您瞭解資料的結構化和組織方式。您將透過實作，瞭解資料湖倉架構和 BigQuery、Google Cloud Storage 與 DataProc 等雲端元件，有效率地儲存、分析及處理大型資料集。
Learn more
這是 Google Cloud 資料分析專業證書五堂課程中的第一堂。在本課程中，您將瞭解雲端資料分析領域的定義，並說明雲端資料分析師在資料擷取、儲存、處理和視覺化方面的角色與職責。您將瞭解 BigQuery 和 Cloud Storage 等 Google Cloud 工具的架構，以及如何運用這些工具有效組織、呈現及彙整資料。
Learn more
本課程旨在提供必要的知識和工具，協助您探索機器學習運作團隊在部署及管理生成式 AI 模型時面臨的獨特挑戰，並瞭解 Vertex AI 如何幫 AI 團隊簡化機器學習運作程序，打造成效非凡的生成式 AI 專案。
Learn more
本課程涵蓋「AI 隱私權」和「AI 安全性」這兩個重要主題。我們將介紹實用的方法和工具，協助您運用 Google Cloud 產品和開放原始碼工具，導入 AI 隱私權和安全性的建議做法。
Learn more
本課程旨在說明 AI 的可解釋性和透明度概念、探討 AI 透明度對開發人員和工程師的重要性。課程中也會介紹實務方法和工具，有助於讓資料和 AI 模型透明且可解釋。
Learn more
本課程旨在說明負責任 AI 技術的概念和 AI 開發原則，同時介紹各項技術，在實務上找出公平性和偏誤，減少 AI/機器學習做法上的偏誤。我們也將探討實用方法和工具，透過 Google Cloud 產品和開放原始碼工具，導入負責任 AI 技術的最佳做法。
Learn more
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。
Learn more
這堂課程會介紹 AI 搜尋技術、工具和應用程式。主題涵蓋使用向量嵌入執行語意搜尋；結合語意和關鍵字做法的混合型搜尋機制；以及運用檢索增強生成 (RAG) 技術建構有基準的 AI 代理，盡可能減少 AI 幻覺。您可以實際使用 Vertex AI Vector Search，打造智慧型搜尋引擎。
Learn more
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。
Learn more
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。
Learn more
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。
Learn more
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。
Learn more
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。
Learn more
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。
Learn more
