We are currently experiencing intermittent issues with the Gemini Enterprise labs. Please bear with us while we work on the resolution.
ali hadjikhani
Member since 2024
Bronze League
58637 points
AI 基礎架構：Cloud GPU
Earned Jan 19, 2026 EST
AI 基礎架構：AI Hypercomputer 簡介
Earned Jan 11, 2026 EST
Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
Earned Dec 12, 2024 EST
Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
Earned Apr 17, 2024 EDT
Google Cloud 運算的基本概念：Google Cloud 基礎架構
Earned Apr 15, 2024 EDT
Google Cloud 運算的基本概念：Cloud 運算基礎知識
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
開始使用 Google Kubernetes Engine
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 簡介
Earned Feb 13, 2024 EST
建立圖像說明生成模型
Earned Feb 13, 2024 EST
Transformer 和 BERT 模型
Earned Feb 13, 2024 EST
編碼器-解碼器架構
Earned Feb 13, 2024 EST
注意力機制
Earned Feb 13, 2024 EST
圖像生成簡介
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
生成式 AI 適用的機器學習運作 (MLOps)
Earned Feb 9, 2024 EST
Launching into Machine Learning
Earned Jan 29, 2024 EST
Google Cloud 的 AI 和機器學習服務簡介
Earned Jan 24, 2024 EST
Google Meet 內建 Gemini
Earned Jan 18, 2024 EST
Google 試算表內建 Gemini
Earned Jan 18, 2024 EST
Google 簡報內建 Gemini
Earned Jan 18, 2024 EST
Google 文件內建 Gemini
Earned Jan 18, 2024 EST
Gmail 內建 Gemini
Earned Jan 18, 2024 EST
Google Workspace with Gemini：AI 工作流程的基礎
Earned Jan 18, 2024 EST
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則
Earned Jan 18, 2024 EST
Generative AI Fundamentals - 繁體中文
Earned Jan 17, 2024 EST
負責任的 AI 技術簡介
Earned Jan 17, 2024 EST
大型語言模型簡介
Earned Jan 17, 2024 EST
生成式 AI 簡介
Earned Jan 17, 2024 EST
想瞭解 AI 背後的強大硬體嗎？本單元將深入解析針對效能最佳化的 AI 電腦，說明其重要性。我們將探討 CPU、GPU 和 TPU 如何大幅加速 AI 任務運算，分析各自的特點，以及 AI 軟體如何充分利用這些硬體效能。單元結束後，您將清楚掌握如何根據 AI 專案挑選合適的 GPU，並做出明智的 AI 工作負載決策。
Learn more
準備開始使用 AI Hypercomputer 了嗎？這門課程可讓您快速上手！我們將介紹這個架構的基本概念，以及此架構如何幫助 AI 處理 AI 工作負載。您將瞭解 Hypercomputer 內的不同元件，例如 GPU、TPU 和 CPU，以及如何視需求選擇合適的部署方法。
Learn more
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。
完成這一系列課程後，學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
第三門課涵蓋雲端自動化和管理工具，以及建構安全網路。
Learn more
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。完成這一系列課程後，學員將能闡述這些概念並展示實用技能。學員需依序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
本系列的最後一堂課回顧了代管大數據服務、機器學習與這項技術的價值，以及如何獲得技能徽章，進一步展示您的 Google Cloud 技能。
Learn more
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會概略介紹雲端基礎知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。完成這一系列課程後，學員將能闡述這些概念並展示實用技能。學員需依序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
Learn more
Google Cloud 運算基本概念課程，適合幾乎沒有雲端運算背景或經驗的學員。這些課程會說明雲端運算基本知識、大數據和機器學習的核心概念，以及 Google Cloud 的角色和定位。完成這一系列課程後，學員將能夠闡述這些概念並展示實用技能。學員應依以下順序完成課程：
1. Google Cloud 運算的基本概念：Cloud 運算基礎知識
2. Google Cloud 運算的基本概念：Google Cloud 基礎架構
3. Google Cloud 運算的基本概念：Google Cloud 的網路與安全性
4. Google Cloud 運算的基本概念：Google Cloud 中的資料、機器學習和 AI
第一門課會概略說明雲端運算、Google Cloud 的使用方式，以及不同的運算選項。
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
歡迎參加「開始使用 Google Kubernetes Engine」課程。Kubernetes 是位於應用程式和硬體基礎架構之間的軟體層。如果您對這項技術感興趣，這堂課程可以滿足您的需求。有了 Google Kubernetes Engine，您就能在 Google Cloud 中以代管服務的形式使用 Kubernetes。
本課程的目標在於介紹 Google Kubernetes Engine (常簡稱為 GKE) 的基本概念，以及如何將應用程式容器化，以便在 Google Cloud 中執行。課程首先會初步介紹 Google Cloud，隨後簡介容器、Kubernetes、Kubernetes 架構和 Kubernetes 作業。
Learn more
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.
Learn more
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.
Learn more
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Learn more
本課程會介紹 Vertex AI Studio。您可以運用這項工具和生成式 AI 模型互動、根據商業構想設計原型，並投入到正式環境。透過身歷其境的應用實例、有趣的課程及實作實驗室，您將能探索從提示到正式環境的生命週期，同時學習如何將 Vertex AI Studio 運用在多模態版 Gemini 應用程式、提示設計、提示工程和模型調整。這個課程的目標是讓您能運用 Vertex AI Studio，在專案中發揮生成式 AI 的潛能。
Learn more
本課程說明如何使用深度學習來建立圖像說明生成模型。您將學習圖像說明生成模型的各個不同組成部分，例如編碼器和解碼器，以及如何訓練和評估模型。在本課程結束時，您將能建立自己的圖像說明生成模型，並使用模型產生圖像說明文字。
Learn more
這堂課程將說明變換器架構，以及基於變換器的雙向編碼器表示技術 (BERT) 模型，同時帶您瞭解變換器架構的主要組成 (如自我注意力機制) 和如何用架構建立 BERT 模型。此外，也會介紹 BERT 適用的各種任務，像是文字分類、問題回答和自然語言推論。課程預計約 45 分鐘。
Learn more
本課程概要說明解碼器與編碼器的架構，這種強大且常見的機器學習架構適用於序列對序列的任務，例如機器翻譯、文字摘要和回答問題。您將認識編碼器與解碼器架構的主要元件，並瞭解如何訓練及提供這些模型。在對應的研究室逐步操作說明中，您將學習如何從頭開始使用 TensorFlow 寫程式，導入簡單的編碼器與解碼器架構來產生詩詞。
Learn more
本課程將介紹注意力機制，說明這項強大技術如何讓類神經網路專注於輸入序列的特定部分。此外，也將解釋注意力的運作方式，以及如何使用注意力來提高各種機器學習任務的成效，包括機器翻譯、文字摘要和回答問題。
Learn more
本課程將介紹擴散模型，這是一種機器學習模型，近期在圖像生成領域展現亮眼潛力。概念源自物理學，尤其深受熱力學影響。過去幾年來，在學術界和業界都是炙手可熱的焦點。在 Google Cloud 中，擴散模型是許多先進圖像生成模型和工具的基礎。課程將介紹擴散模型背後的理論，並說明如何在 Vertex AI 上訓練和部署這些模型。
Learn more
「探索生成式 AI - Agent Platform」課程包含一系列實驗室， 介紹如何在 Google Cloud 使用生成式 AI。完成這些實驗室之後，您會瞭解如何 在 Agent Platform 使用 Gemini 模型、提示詞設計技巧與最佳做法，以及 AI 在構思想法和文字分類、擷取、摘要等方面的用途。您也會瞭解如何運用 Agent Platform 的自訂訓練功能調整基礎模型， 並部署至 Agent Platform 中的端點。
Learn more
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.
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
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.
Learn more
本課程介紹 Google Cloud 的 AI 和機器學習 (ML) 功能，著重說明如何開發生成式和預測式 AI 專案。我們也會探討「從資料到 AI」整個生命週期都適用的技術、產品和工具，並透過互動式練習，協助資料科學家、AI 開發人員和機器學習工程師精進專業知識。
Learn more
本課程將介紹如何使用 Google Meet 內建 Gemini，提升視訊協作體驗。內容包括如何自動做筆記、使用即時文字和語音翻譯、私下補上錯過的討論內容，以及立即提升音訊和視訊品質。
Learn more
本課程將說明如何使用 Google 試算表內建 Gemini，自動整理資料及處理複雜數字。瞭解如何從原始文字建立表格、使用自然語言自動填入資料、依需求生成原生試算表公式，以及快速擷取高階洞察資訊或製作圖表，完全不需要具備進階試算表專業知識。
Learn more
本課程將介紹如何使用 Google 簡報內建 Gemini，將概念轉化為吸睛的簡報。瞭解如何透過單一提示詞或現有來源文件生成結構化簡報、使用自動設計強化功能調整投影片版面配置、建立自訂向量圖形和相片，以及動態製作投影片文案和精確的演講者備忘稿。
Learn more
本課程將說明如何使用 Google 文件內建 Gemini 簡化寫作和內容創作流程。瞭解如何從頭撰寫文件、使用互動式工具調整寫作語氣和提升清晰度、總結複雜檔案，以及將長篇文字順暢轉換為結構化資產，供其他 Google Workspace 應用程式使用。
Learn more
本課程將說明如何使用 Gmail 內建 Gemini，提升電子郵件管理效率。瞭解如何直接在收件匣中總結冗長的討論串、使用自然語言擷取資訊、草擬專業回覆，以及制定溝通策略。
Learn more
客戶能透過 Gemini for Google Workspace 在 Google Workspace 使用生成式 AI 功能。本學習路徑會介紹 Gemini 的主要功能，並說明如何在 Google Workspace 善用這些功能，提高生產力和效率。
Learn more
隨著企業持續擴大使用人工智慧和機器學習，以負責任的方式發展相關技術也日益重要。對許多企業來說，談論負責任的 AI 技術可能不難，如何付諸實行才是真正的挑戰。如要瞭解如何在機構中導入負責任的 AI 技術，本課程絕對能助您一臂之力。
您可以從中瞭解 Google Cloud 目前採取的策略、最佳做法和經驗談，協助貴機構奠定良好基礎，實踐負責任的 AI 技術。
Learn more
完成「Introduction to Generative AI」、「Introduction to Large Language Models」和「Introduction to Responsible AI」課程，即可獲得技能徽章。通過最終測驗，就能展現您對生成式 AI 基本概念的掌握程度。
「技能徽章」是 Google Cloud 核發的數位徽章，用於表彰您對 Google Cloud 產品和服務的相關知識。您可以將技能徽章公布在社群媒體的個人資料中，向其他人分享您的成果。
Learn more
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
Learn more
這是一堂入門級的微學習課程，旨在探討大型語言模型 (LLM) 的定義和用途，並說明如何調整提示來提高 LLM 成效。此外，也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。
Learn more
這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
Learn more
