加入 登录

ali hadjikhani

成为会员时间：2024

青铜联赛

58637 积分
AI Infrastructure：Cloud GPU Earned Jan 19, 2026 EST
AI Infrastructure：AI Hypercomputer 简介 Earned Jan 11, 2026 EST
Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 Earned Dec 12, 2024 EST
Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI Earned Apr 17, 2024 EDT
Google Cloud 云计算基础课程：Google Cloud 中的基础设施 Earned Apr 15, 2024 EDT
Google Cloud 云计算基础课程：云计算基础知识 Earned Apr 12, 2024 EDT
Serverless Data Processing with Dataflow: Foundations Earned Apr 11, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Apr 10, 2024 EDT
Build Batch Data Pipelines on Google Cloud Earned Apr 9, 2024 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Apr 6, 2024 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Apr 4, 2024 EDT
Build a Certification Study Guide: PDE Exam Prep Earned Apr 3, 2024 EDT
Natural Language Processing on Google Cloud Earned Mar 31, 2024 EDT
Computer Vision Fundamentals with Google Cloud Earned Mar 27, 2024 EDT
Production Machine Learning Systems Earned Mar 13, 2024 EDT
Google Kubernetes Engine 使用入门 Earned Mar 6, 2024 EST
Machine Learning in the Enterprise Earned Mar 2, 2024 EST
[DEPRECATED] Feature Engineering Earned Feb 28, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Feb 26, 2024 EST
Vertex AI Studio 简介 Earned Feb 13, 2024 EST
创建图片标注模型 Earned Feb 13, 2024 EST
Transformer 模型和 BERT 模型 Earned Feb 13, 2024 EST
编码器-解码器架构 Earned Feb 13, 2024 EST
注意力机制 Earned Feb 13, 2024 EST
图像生成简介 Earned Feb 13, 2024 EST
探索生成式 AI - Agent Platform Earned Feb 12, 2024 EST
Machine Learning Operations (MLOps): Getting Started Earned Feb 10, 2024 EST
适用于生成式 AI 的机器学习运维 (MLOps) Earned Feb 9, 2024 EST
Launching into Machine Learning Earned Jan 29, 2024 EST
Google Cloud 上的 AI 和机器学习简介 Earned Jan 24, 2024 EST
Google Meet 中的 Gemini Earned Jan 18, 2024 EST
Google 表格中的 Gemini Earned Jan 18, 2024 EST
Google 幻灯片中的 Gemini Earned Jan 18, 2024 EST
Google 文档中的 Gemini Earned Jan 18, 2024 EST
Gmail 中的 Gemini Earned Jan 18, 2024 EST
内置 Gemini 的 Google Workspace：AI 工作流基础知识 Earned Jan 18, 2024 EST
Responsible AI: 和 Google Cloud 一起践行 AI 原则 Earned Jan 18, 2024 EST
Generative AI Fundamentals - 简体中文 Earned Jan 17, 2024 EST
负责任的 AI 简介 Earned Jan 17, 2024 EST
大型语言模型简介 Earned Jan 17, 2024 EST
生成式 AI 简介 Earned Jan 17, 2024 EST

对 AI 背后的强大硬件感到好奇吗？本单元将详细讲解性能经过优化的 AI 计算机，向您展示它们为何如此重要。我们将探讨 CPU、GPU 和 TPU 如何让 AI 任务高速运行，介绍它们各自的特点，并说明 AI 软件是如何充分发挥这些硬件的性能的。学习结束后，您将清楚地知道如何为自己的 AI 项目选择合适的 GPU，从而为 AI 工作负载做出明智的决策。

了解详情

准备好探索 AI Hypercomputer 了吗？这门课程将带您轻松入门！我们将介绍相关基础知识，并阐释它们如何助力 AI 处理 AI 工作负载。您将了解超级计算机内部的各个组件，如 GPU、TPU 和 CPU，并知晓如何根据您的需求选择合适的部署方法。

了解详情

Google Cloud 云计算基础课程面向几乎没有云计算背景或经验的人士。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本课程系列后，学员将能够阐述这些概念，并展示一定的实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课是第三门课程，介绍云端自动化和管理工具以及如何构建安全网络。

了解详情

Google Cloud 云计算基础课程面向没有或很少有云计算基础或经验的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握一些实际操作技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课程是该系列课程的最后一门，回顾了托管式大数据服务、机器学习及其价值，以及如何通过获得技能徽章来进一步展示您在 Google Cloud 方面的技能。

了解详情

Google Cloud 云计算基础课程面向云计算零基础或经验较少的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握部分实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI

了解详情

Google Cloud 云计算基础课程面向云计算零基础或经验较少的人群。本课程概述了云计算基础知识、大数据和机器学习的核心概念，以及 Google Cloud 在其中的定位与应用方式。 完成本系列课程后，学员将能够清晰阐述这些概念，并掌握部分实操技能。 课程应按以下顺序完成： 1. Google Cloud 云计算基础课程：云计算基础知识 2. Google Cloud 云计算基础课程：Google Cloud 中的基础设施 3. Google Cloud 云计算基础课程：Google Cloud 中的网络服务和安全性 4. Google Cloud 云计算基础课程：Google Cloud 中的数据、机器学习和 AI 本课是第一门课程，概述了云计算、Google Cloud 的使用方式以及各种计算选项。

了解详情

This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.

了解详情

Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.

了解详情

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

了解详情

While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.

了解详情

This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

了解详情

Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.

了解详情

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

了解详情

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

了解详情

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

了解详情

欢迎学习“Google Kubernetes Engine 使用入门”课程。Kubernetes 是位于应用和硬件基础架构之间的软件层，如果您对 Kubernetes 感兴趣，那就来对地方了！Google Kubernetes Engine 将 Kubernetes 作为 Google Cloud 上的代管式服务提供给您使用。 本课程的目标是介绍 Google Kubernetes Engine（通常称为 GKE）的基础知识，以及将应用容器化并在 Google Cloud 中运行的方法。本课程首先介绍 Google Cloud 的基础知识，然后概述容器、Kubernetes、Kubernetes 架构以及 Kubernetes 操作。

了解详情

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

了解详情

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

了解详情

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

了解详情

本课程介绍 Vertex AI Studio，这是一种用于与生成式 AI 模型交互、围绕业务创意进行原型设计并在生产环境中落地的工具。通过沉浸式应用场景、富有吸引力的课程和实操实验，您将探索从提示到产品的整个生命周期，了解如何将 Vertex AI Studio 用于多模态 Gemini 应用、提示设计、提示工程和模型调优。本课程的目的在于帮助您利用 Vertex AI Studio，在自己的项目中充分发掘生成式 AI 的潜力。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情

探索生成式 AI - Agent Platform”课程包含一系列实验， 指导用户在 Google Cloud 平台上使用生成式 AI。通过这些实验，您将了解 如何在 Agent Platform 中使用 Gemini 模型。您还将了解提示设计、最佳实践， 以及如何使用生成式 AI 进行构思、文本分类、文本提取、文本摘要等。此外， 您将学习如何通过 Agent Platform 中的自定义训练来训练基础模型， 从而对其进行调优，以及如何将其部署到 Agent Platform 中的端点。

了解详情

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

了解详情

本课程致力于为您提供所需的知识和工具，让您能够了解 MLOps 团队在部署和管理生成式 AI 模型以及探索 Vertex AI 如何帮助 AI 团队简化 MLOps 流程时面临的独特挑战，并帮助您在生成式 AI 项目中取得成功。

了解详情

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

了解详情

本课程介绍 Google Cloud 的 AI 和机器学习 (ML) 能力，重点讲解如何开发生成式和预测式 AI 项目。本课程将探讨“数据到 AI”全生命周期中的多种技术、产品和工具，并通过互动练习帮助数据科学家、AI 开发者和机器学习工程师提升专业能力。

了解详情

本课程介绍如何使用 Google Meet 中的 Gemini 来提升视频协作体验。了解如何自动生成会议记录、利用实时文本和语音翻译功能、在不打扰他人的情况下快速了解错过的讨论，以及即时优化音视频质量。

了解详情

本课程介绍如何使用 Google 表格中的 Gemini 自动整理数据和处理复杂数字。了解如何根据原始文本构建表格、使用自然语言自动填充数据、按需生成原生电子表格公式，以及快速提取高级分析洞见或可视化图表，而无需具备高级电子表格专业知识。

了解详情

本课程将介绍如何利用 Google 幻灯片中的 Gemini 将构思转化为极具视觉冲击力的演示文稿。学习如何通过单个提示词或现有源文档生成结构化幻灯片组，利用自动设计增强功能优化布局，创建自定义矢量图和照片，并动态撰写幻灯片正文及精准的演讲者备注。

了解详情

本课程介绍如何使用 Google 文档中的 Gemini 来简化写作和内容创作。了解如何从头开始起草文档，使用互动式工具优化写作语气和清晰度，总结复杂文件，以及将长篇文本无缝转换为适用于其他 Google Workspace 应用的结构化资产。

了解详情

本课程介绍如何使用 Gmail 中的 Gemini 来优化邮件管理。了解如何总结冗长的会话串、使用自然语言检索信息、起草专业回复，以及直接在收件箱中整理沟通策略。

了解详情

Gemini for Google Workspace 可在 Google Workspace 中为客户提供生成式 AI 功能。在本学习路线中，您将了解 Gemini 的主要功能，以及如何在 Google Workspace 中使用它们来提高工作效率。

了解详情

随着企业对人工智能和机器学习的应用越来越广泛，以负责任的方式构建这些技术也变得更加重要。但对很多企业而言，真正践行 Responsible AI 并非易事。如果您有意了解如何在组织内践行 Responsible AI，本课程正适合您。 本课程将介绍 Google Cloud 目前如何践行 Responsible AI，以及从中总结的最佳实践和经验教训，便于您以此为框架构建自己的 Responsible AI 方法。

了解详情

完成 Introduction to Generative AI、Introduction to Large Language Models 和 Introduction to Responsible AI 三门课程，赢取技能徽章。通过最终测验，即表明您理解了生成式 AI 的基本概念。 技能徽章是由 Google Cloud 颁发的数字徽章，旨在认可您对 Google Cloud 产品与服务的了解程度。公开您的个人资料并将技能徽章添加到您的社交媒体个人资料中，以此来分享您获得的成就。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情