Member since 2021
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Jan 2, 2026 EST
生成式 AI 適用的機器學習運作 (MLOps)
Earned Dec 30, 2025 EST
AI 基礎架構：網路技術
Earned Dec 29, 2025 EST
AI 基礎架構：儲存空間選項
Earned Dec 28, 2025 EST
AI 基礎架構：部署類型
Earned Dec 26, 2025 EST
AI 基礎架構：Cloud TPU
Earned Dec 25, 2025 EST
AI 基礎架構：AI Hypercomputer 簡介
Earned Dec 25, 2025 EST
AI 基礎架構：Cloud GPU
Earned Dec 25, 2025 EST
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。
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。
歡迎來到「AI 基礎架構：網路技術」課程。本課程將說明如何運用 Google Cloud 的高頻寬、低延遲基礎架構，最佳化調整 AI 系統所有元件之間的資料傳輸和通訊。最後，您將掌握網路在整個 AI 管道 (從資料擷取、訓練到推論) 發揮的關鍵作用，並採取最佳做法，確保工作負載能以最高速度運作。
在本課程中，您將全面瞭解 Google Cloud 提供的儲存空間解決方案，專門用於 AI 和高效能運算 (HPC) 的工作負載。您將學習如何根據機器學習生命週期的各個階段，選擇合適的儲存空間；以及探索如何在訓練期間將 I/O 效能最佳化、管理準備資料所需的龐大資料集，以及用低延遲提供模型構件。透過實際例子和示範，您將掌握專業知識，得以設計穩健的儲存空間解決方案，並加快 AI 創新。
這堂課程會完整說明如何在 Google Cloud 部署、管理及最佳化調整 AI 和高效能運算 (HPC) 工作負載。藉由一系列課堂和實務示範，您會瞭解不同的部署策略，從使用 Google Compute Engine (GCE) 的高度可自訂環境，到 Google Kubernetes Engine (GKE) 等代管解決方案。具體來說，您會學到如何建立叢集及部署 GKE，以便執行推論工作。
歡迎來到 Cloud TPU 課程。我們將探討在各種情境下使用 TPU 的優缺點，並比較不同的 TPU 加速器，協助您選擇合適的工具。您將瞭解如何盡可能提高 AI 模型的效能和效率，以及互通的 GPU/TPU 對於打造靈活的機器學習工作流程有多重要。我們會透過引人入勝的內容和實際演示，一步步引導您有效運用 TPU。
準備開始使用 AI Hypercomputer 了嗎？這門課程可讓您快速上手！我們將介紹這個架構的基本概念，以及此架構如何幫助 AI 處理 AI 工作負載。您將瞭解 Hypercomputer 內的不同元件，例如 GPU、TPU 和 CPU，以及如何視需求選擇合適的部署方法。
想瞭解 AI 背後的強大硬體嗎？本單元將深入解析針對效能最佳化的 AI 電腦，說明其重要性。我們將探討 CPU、GPU 和 TPU 如何大幅加速 AI 任務運算，分析各自的特點，以及 AI 軟體如何充分利用這些硬體效能。單元結束後，您將清楚掌握如何根據 AI 專案挑選合適的 GPU，並做出明智的 AI 工作負載決策。