Dave Marcells
成为会员时间:2026
钻石联赛
4886 积分
成为会员时间:2026
了解如何使用智能体开发套件 (ADK) 构建可用于生产用途的复杂 AI 智能体。本课程介绍了 ADK 的开源框架,助力开发者从简单的提示工程跨越到代码优先的结构化软件开发方法,从而构建企业级多智能体系统。
打造您的首个 Gemini Enterprise 应用,赢得技能徽章!将各种数据源连接到您的应用中,构建强大、统一的搜索和分析引擎。掌握进阶能力,如:深度研究型智能体、多智能体协同构思,以及用于进行聚焦式分析的 NotebookLM。
了解 AI 智能体如何为业务带来实际影响。您将把智能体类型关联到您的关键绩效指标 (KPI),并探索能够解决实际瓶颈的用例。然后,您将了解 Gemini Enterprise 如何帮助您构建和编排合适的智能体,其范围涵盖从无代码到高代码的各种解决方案。
AI 智能体代表着超越传统大语言模型 (LLM) 的重大转变:AI 智能体不再仅仅只是生成基于文本的解决方案,更能自主行动来执行这些方案。 本课程将介绍 AI 智能体的基础知识、AI 智能体与 LLM API 的区别,以及 AI 智能体在现实世界中的价值所在。本课程基于 Google 的智能体白皮书,将为您提供必要的理论基础知识,以助您编写首行智能体代码 — 非常适合希望从自主、目标导向行为(而不仅仅是文本生成)的角度理解 AI 系统的开发者、架构师和技术决策者。 加入社区论坛,提出问题并参与讨论。
大致了解 AI 智能体的概念。了解 AI 智能体如何通过自主行动和推理来解决复杂问题。您将探索技术架构(模型、工具和编排),该架构使智能体能够学习、规划,并为您实现目标。
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。
本课程介绍 AI 隐私保护和安全方面的重要主题,还将探索使用 Google Cloud 产品和开源工具实施建议的 AI 隐私保护和安全实践的实用方法和工具。
本课程介绍了 AI 可解释性和透明度的相关概念,探讨了 AI 透明度对于开发者和工程师的重要性。同时探索了有助于在数据和 AI 模型中实现可解释性和透明度的实用方法及工具。
本课程介绍了 Responsible AI 的概念和 AI 原则,还介绍了在 AI/机器学习实践中识别公平性与偏见以及减少偏见的实用技巧,同时探索了使用 Google Cloud 产品和开源工具来实施 Responsible AI 最佳实践的实用方法和工具。
在本次课程中,探索 AI 赋能的搜索技术、工具和应用。学习利用向量嵌入的语义搜索、融合语义和关键字的混合搜索方法,以及检索增强生成 (RAG) 技术,以打造基于事实的 AI 智能体,尽可能减少 AI 幻觉。获取 Vertex AI Vector Search 实战经验,打造您自己的智能搜索引擎。
完成中级技能徽章课程使用多模态 Gemini 和多模态 RAG 检查富文档,展示您在以下方面的技能: 将多模态与 Gemini 配合使用,从而使用多模态提示从文本数据和视觉数据中提取信息、生成视频说明、 检索视频中不包含的额外信息; 将多模态检索增强生成 (RAG) 与 Gemini 配合使用,以构建包含文本和图片的文档的元数据、获取所有相关文本块并输出引用。
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。
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。
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。
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。
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。
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。
完成 云架构:设计、实施和管理课程,赢取技能徽章,展示您在以下方面的技能:使用 Apache Web 服务器部署可公开访问的网站;使用启动脚本配置 Compute Engine 虚拟机; 使用 Windows 堡垒主机和防火墙规则配置安全 RDP;构建 Docker 映像并将其部署到 Kubernetes 集群,然后进行更新;以及创建 CloudSQL 实例并导入 MySQL 数据库。 此技能徽章课程是非常有用的资源, 可帮助您理解 Google Cloud 认证 Professional Cloud Architect 认证考试中将会出现的主题。
在众多课程中,本入门课程独具特色。 这些实验经过精心设计,旨在让 IT 专业人员通过实践掌握 Google Cloud 认证 Associate Cloud Engineer 考核中的各项主题和服务内容。从 IAM 到网络组建和管理, 再到 Kubernetes Engine 部署,本课程将通过特定实验 检验您的 Google Cloud 知识掌握情况。请注意,虽然这些实操 实验有助于提升您的技能和能力,我们仍建议您同时查阅 考试指南和其他可用的备考资源。
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。
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
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。