成为会员时间：2022
Transformer 模型和 BERT 模型
Earned Oct 25, 2023 EDT
大型语言模型简介
Earned Sep 18, 2023 EDT
生成式 AI 简介
Earned Aug 30, 2023 EDT
Delivery Shadowing
Earned Sep 15, 2022 EDT
在 Looker 中应用高级 LookML 概念
Earned Sep 9, 2022 EDT
为 Looker 信息中心和报告准备数据
Earned Mar 10, 2022 EST
了解 Looker 中的 LookML
Earned Mar 8, 2022 EST
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。
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。
In this course, you shadow a series of client meetings led by a Looker Professional Services Consultant.
在本课程中，您将获得在 Looker 中应用高级 LookML 概念 的实践经验。您将学习如何使用 Liquid 自定义和创建动态 维度和测量、创建动态 SQL 派生表和自定义原生 派生表，并运用扩展功能来模块化你的 LookML 代码
完成为 Looker 信息中心和报告准备数据入门级技能徽章课程， 展现您在以下方面的技能：对数据进行过滤、排序和透视；将来自不同 Looker 探索的结果合并； 以及使用函数和运算符构建 Looker 信息中心和报告以用于数据分析和可视化。
在本课程中，您将通过实操练习掌握 Looker 中的 LookML。您将学习如何编写 LookML 代码来创建新的维度和度量、创建派生表并将其与“探索”联接、为“探索”设置过滤条件， 以及在 LookML 中定义缓存政策。