成为会员时间：2025
使用智能体开发套件 (ADK) 打造您的首个智能体
Earned May 15, 2026 EDT
智能体基础知识
Earned May 7, 2026 EDT
创建图片标注模型
Earned Feb 2, 2026 EST
Transformer 模型和 BERT 模型
Earned Jan 29, 2026 EST
注意力机制
Earned Jan 28, 2026 EST
编码器-解码器架构
Earned Sep 18, 2025 EDT
图像生成简介
Earned Sep 15, 2025 EDT
负责任的 AI 简介
Earned Sep 9, 2025 EDT
大型语言模型简介
Earned Sep 8, 2025 EDT
生成式 AI 简介
Earned Sep 4, 2025 EDT
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。
本课程将介绍 AI 智能体的基础知识，并探讨智能体在现实世界中的价值所在。它为想要从自主、目标导向行为的角度理解 AI 系统的开发者、架构师和技术决策者奠定了基础。
本课程教您如何使用深度学习来创建图片标注模型。您将了解图片标注模型的不同组成部分，例如编码器和解码器，以及如何训练和评估模型。学完本课程，您将能够自行创建图片标注模型并用来生成图片说明。
本课程向您介绍 Transformer 架构和 Bidirectional Encoder Representations from Transformers (BERT) 模型。您将了解 Transformer 架构的主要组成部分，例如自注意力机制，以及该架构如何用于构建 BERT 模型。您还将了解可以使用 BERT 的不同任务，例如文本分类、问答和自然语言推理。完成本课程估计需要大约 45 分钟。
本课程将向您介绍注意力机制，这是一种强大的技术，可令神经网络专注于输入序列的特定部分。您将了解注意力的工作原理，以及如何使用它来提高各种机器学习任务的性能，包括机器翻译、文本摘要和问题解答。
本课程简要介绍了编码器-解码器架构，这是一种功能强大且常见的机器学习架构，适用于机器翻译、文本摘要和问答等 sequence-to-sequence 任务。您将了解编码器-解码器架构的主要组成部分，以及如何训练和部署这些模型。在相应的实验演示中，您将在 TensorFlow 中从头编写简单的编码器-解码器架构实现代码，以用于诗歌生成。
本课程向您介绍扩散模型。这类机器学习模型最近在图像生成领域展现出了巨大潜力。扩散模型的灵感来源于物理学，特别是热力学。过去几年内，扩散模型成为热门研究主题并在整个行业开始流行。Google Cloud 上许多先进的图像生成模型和工具都是以扩散模型为基础构建的。本课程向您介绍扩散模型背后的理论，以及如何在 Vertex AI 上训练和部署此类模型。
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。