加入 登录

Alberto Calabrese

成为会员时间:2025

黄金联赛

4740 积分
生成式 AI 應用程式:徹底改變工作方式 Earned Nov 5, 2025 EST
生成式 AI:掌握幕後技術與環境 Earned Oct 27, 2025 EDT
生成式 AI:瞭解基礎概念 Earned Oct 27, 2025 EDT
生成式 AI:不只是聊天機器人 Earned Oct 27, 2025 EDT
開發人員的負責任 AI 技術:公平性與偏誤 Earned Oct 24, 2025 EDT
機器學習運作 (MLOps) 與 Vertex AI:模型評估 Earned Oct 21, 2025 EDT
生成式 AI 適用的機器學習運作 (MLOps) Earned Oct 21, 2025 EDT
使用 Gemini 和 Streamlit 開發生成式 AI 應用程式 Earned Oct 20, 2025 EDT
生成式 AI 代理:實現組織轉型 Earned Jun 13, 2025 EDT

「生成式 AI 應用程式:徹底改變工作方式」是 Generative AI Leader 學習路徑的第四門課程。本課程將介紹 Google 的生成式 AI 應用程式,例如 Gemini for Workspace 和NotebookLM,也會引導您瞭解各種概念,像是建立基準、檢索增強生成、建構有效的提示詞,以及打造自動化工作流程等。

了解详情

「生成式 AI:掌握幕後技術與環境」是 Generative AI Leader 學習路徑的第三門課程。生成式 AI 正在改變我們的工作方式,以及我們如何與周遭的世界互動。身為領導者,您要如何駕馭 AI 強大的功能,創造實際業務成果?在本課程中,您將認識建構生成式 AI 解決方案時的各個層面、Google Cloud 產品,以及選擇解決方案時應考量的因素。

了解详情

「生成式 AI: 瞭解基礎概念」是 Generative AI Leader 學習路徑的第二門課程。在本課程中,您將瞭解 AI、機器學習和生成式 AI 的差異,以及各種資料類型如何協助生成式 AI 解決業務難題,進而掌握生成式 AI 的基礎概念。您還能深入瞭解 Google Cloud 應對基礎 模型限制的策略,以及開發、部署安全且負責任的 AI 技術時面臨的主要挑戰。

了解详情

「生成式 AI:不只是聊天機器人」是 Generative AI Leader 學習路徑的第一門課程,沒有任何修課條件。本課程將帶您超越基本知識,進一步瞭解聊天機器人,探索如何在組織中充分發揮生成式 AI 的潛力。您將瞭解基礎模型和提示工程等概念,掌握善用生成式AI 的關鍵。本課程也會帶您瞭解擬定生成式 AI 策略時的多種重要考量,協助您為組織擬定出成功的策略。

了解详情

本課程旨在說明負責任 AI 技術的概念和 AI 開發原則,同時介紹各項技術,在實務上找出公平性和偏誤,減少 AI/機器學習做法上的偏誤。我們也將探討實用方法和工具,透過 Google Cloud 產品和開放原始碼工具,導入負責任 AI 技術的最佳做法。

了解详情

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。

了解详情

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。

了解详情

完成 使用 Gemini 和 Streamlit 開發生成式 AI 應用程式 技能徽章中階課程,即可證明您具備下列技能: 生成文字、透過 Python SDK 和 Gemini API 呼叫函式,以及運用 Cloud Run 部署 Streamlit 應用程式。 您將瞭解如何以不同方式透過提示請 Gemini 生成文字、使用 Cloud Shell 測試及疊代 Streamlit 應用程式,隨後封裝成 Docker 容器並在 Cloud Run 中部署。

了解详情

「生成式 AI 代理:實現組織轉型」是 Generative AI Leader 學習路徑的第五門課,也是最後一門。本課程將探討組織如何運用自訂生成式 AI 代理,解決特定的業務難題。您將動手練習建構基本的生成式 AI 代理,同時熟悉這類代理的各種元件,例如模型、推論迴圈和工具。

了解详情