Bradley Pond
Member since 2025
Diamond League
15339 points
全面整合：為成為 Cloud 資安分析師做好準備
Earned May 7, 2026 EDT
運用 Google Cloud 偵測、因應網路攻擊並執行復原工作
Earned May 6, 2026 EDT
Cloud 安全風險：找出並防範威脅
Earned May 4, 2026 EDT
Cloud 安全風險管理策略
Earned Apr 21, 2026 EDT
Cloud 運算中的安全性原則簡介
Earned Apr 16, 2026 EDT
Model Armor：保護您部署的 AI 應用程式
Earned Jan 6, 2026 EST
AI 世界的安全防護簡介
Earned Dec 19, 2025 EST
開發人員的負責任 AI 技術：隱私權與安全性
Earned Dec 19, 2025 EST
開發人員的負責任 AI 技術：可解釋性與透明度
Earned Dec 18, 2025 EST
開發人員的負責任 AI 技術：公平性與偏誤
Earned Dec 3, 2025 EST
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Nov 3, 2025 EST
生成式 AI 適用的機器學習運作 (MLOps)
Earned Oct 23, 2025 EDT
這是 Google Cloud 網路安全專業證書課程的第五門課，在本課程中，您將在互動式總結專案中，結合並應用雲端安全原則、風險管理、安全漏洞識別、事件管理和危機溝通等重要概念。此外，您還會完成履歷更新，並實際練習所有新學到的面試技巧，為應徵和面試這個領域的工作做好準備。
Learn more
這是 Google Cloud 網路安全專業證書五堂課程中的第四堂。本課程將著重於培養記錄、安全防護和快訊監控能力，以及攻擊防範技術。您將學到如何自訂威脅資訊、管理事件、處理危機溝通、進行根本原因分析，以及掌握事件應變和事後溝通的訣竅。您將學習如何使用 Google Cloud 工具找出入侵指標，並為業務永續性和災難復原做好準備。除了技術能力，您還需要持續更新履歷，並練習面試技巧。
Learn more
這是 Google Cloud 網路安全專業證書五堂課程中的第三堂。本課程將探討雲端環境中的身分管理和存取控管原則，涵蓋 AAA (驗證、授權和稽核)、憑證處理和憑證管理等重要元素。此外，您還會學到威脅與安全漏洞管理、雲端原生原則和資料保護措施等重要主題。您完成本課程後，將具備保護雲端資源和組織機密資訊所需的技能與知識。此外，您還能繼續使用跟職涯有關的資源，精進面試技巧，準備邁向職涯發展的下一步。
Learn more
這是 Google Cloud 網路安全專業證書五堂課程中的第二堂。本課程將介紹廣泛使用的雲端風險管理架構，探討安全領域、法規遵循生命週期，以及 HIPAA、NIST CSF 和 SOC 等業界標準。您將學會識別風險、實作安全控管措施、評估法規遵循情形，以及管理資料保護作業。此外，您還將實際操作 Google Cloud 和多雲端工具，瞭解如何因應風險和法規遵循需求。本課程也納入求職和面試準備技巧，提供全方位基礎知識，協助學員瞭解並有效應對雲端風險管理的複雜現況。
Learn more
這是 Google Cloud 網路安全專業證書五堂課程中的第一堂。本課程將介紹網路安全的必要基礎，包括安全防護生命週期、數位轉型和雲端運算的重要概念。您將瞭解初級雲端資安分析師用來自動執行工作的常見工具。
Learn more
本課程將複習 Model Armor 的基本安全功能，讓您具備使用這項服務的能力。您將瞭解 LLM 的相關安全風險，以及 Model Armor 如何保護 AI 應用程式。
Learn more
人工智慧 (AI) 帶來轉型可能，但全新資安挑戰也隨著出現。本課程介紹資料安全和保護的策略，可幫助相關領域的領導者，在企業內部安全地管理 AI。您可以瞭解如何建立框架，主動辨別和減輕 AI 特有的風險、保護機密資料、確實法規遵循，並打造堅韌的 AI 基礎架構。我們提供四個不同產業的案例，帶您探索如何實際應用這些策略。
Learn more
本課程涵蓋「AI 隱私權」和「AI 安全性」這兩個重要主題。我們將介紹實用的方法和工具，協助您運用 Google Cloud 產品和開放原始碼工具，導入 AI 隱私權和安全性的建議做法。
Learn more
本課程旨在說明 AI 的可解釋性和透明度概念、探討 AI 透明度對開發人員和工程師的重要性。課程中也會介紹實務方法和工具，有助於讓資料和 AI 模型透明且可解釋。
Learn more
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。
Learn more
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。
Learn more
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。
Learn more
