成为会员时间：2021
利用 Vertex AI 实现机器学习运维 (MLOps)：模型评估
Earned Jan 2, 2026 EST
适用于生成式 AI 的机器学习运维 (MLOps)
Earned Dec 30, 2025 EST
AI 基础设施：网络组建和管理技术
Earned Dec 29, 2025 EST
AI 基础设施：存储选项
Earned Dec 28, 2025 EST
AI 基础设施：部署类型
Earned Dec 26, 2025 EST
AI Infrastructure：Cloud TPU
Earned Dec 25, 2025 EST
AI Infrastructure：AI Hypercomputer 简介
Earned Dec 25, 2025 EST
AI Infrastructure：Cloud GPU
Earned Dec 25, 2025 EST
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。
欢迎学习“AI 基础设施：网络组建和管理技术”课程。 在本课程中，您将学习如何利用 Google Cloud 的高带宽、低延迟基础设施，优化 AI 系统所有组件之间的数据传输和通信。学完本课程后，您将了解网络组建和管理在整个 AI 流水线（从数据注入、训练到推理）中发挥的关键作用，并能够应用最佳实践来确保您的工作负载以最高速度运行。
在本课程中，您将全面了解 Google Cloud 提供的存储解决方案，这些解决方案专为 AI 和高性能计算 (HPC) 工作负载量身定制。您将学习如何为机器学习生命周期的各个阶段选择合适的存储选项。您将探索如何在训练期间优化 I/O 性能，管理海量数据集以进行数据准备，以及以低延迟部署模型制品。通过实际案例和演示，您将获得设计可靠存储解决方案所需的专业知识，从而加速 AI 创新。
本课程全面指导如何在 Google Cloud 上部署、管理和优化 AI 和高性能计算 (HPC) 工作负载。通过一系列课程和实际演示，您将探索从基于 Google Compute Engine (GCE) 的高度可定制环境，到 Google Kubernetes Engine (GKE) 等托管式解决方案的各种部署策略。具体来说，您将学习如何创建集群并部署 GKE 进行推理。
欢迎学习 Cloud TPU 课程。我们将探讨 TPU 在不同场景下的优势和劣势，并比较不同的 TPU 加速器，以帮助您选择合适的加速器。您将了解可通过哪些策略充分提高 AI 模型的性能和效率，并理解 GPU/TPU 互操作性对于创建灵活的机器学习工作流程的重要性。通过引人入胜的课程内容和实际演示，您将逐步了解如何有效利用 TPU。
准备好探索 AI Hypercomputer 了吗？这门课程将带您轻松入门！我们将介绍相关基础知识，并阐释它们如何助力 AI 处理 AI 工作负载。您将了解超级计算机内部的各个组件，如 GPU、TPU 和 CPU，并知晓如何根据您的需求选择合适的部署方法。
对 AI 背后的强大硬件感到好奇吗？本单元将详细讲解性能经过优化的 AI 计算机，向您展示它们为何如此重要。我们将探讨 CPU、GPU 和 TPU 如何让 AI 任务高速运行，介绍它们各自的特点，并说明 AI 软件是如何充分发挥这些硬件的性能的。学习结束后，您将清楚地知道如何为自己的 AI 项目选择合适的 GPU，从而为 AI 工作负载做出明智的决策。