成为会员时间：2024
開始使用 Google Workspace 工具
Earned Jul 7, 2025 EDT
大型語言模型簡介
Earned Jul 6, 2025 EDT
生成式 AI 簡介
Earned Jul 6, 2025 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Nov 11, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Oct 13, 2024 EDT
使用 BigQuery ML 為預測模型進行資料工程
Earned Oct 12, 2024 EDT
完成「開始使用 Google Workspace 工具」課程，即可獲得入門級技能徽章。本課程將介紹 Google 的協作平台， 帶您瞭解如何使用 Gmail、日曆、Meet、雲端硬碟、試算表和 AppSheet。
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。
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。
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.
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.
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。