加入 登录

Ramin Hoodeh

成为会员时间：2025

黄金联赛

5357 积分
面向开发者的 Responsible AI：可解释性和透明度 Earned Jul 30, 2026 EDT
Production Machine Learning Systems Earned Jul 30, 2026 EDT
在 Google Cloud 上创建生成式 AI 应用 Earned Jul 29, 2026 EDT
MLOps with Agent Platform: Manage Features Earned Jul 29, 2026 EDT
面向开发者的 Responsible AI：公平性与偏见 Earned Jul 29, 2026 EDT
利用 Vertex AI 实现机器学习运维 (MLOps)：模型评估 Earned Jul 29, 2026 EDT
Machine Learning Operations (MLOps): Getting Started Earned Jul 29, 2026 EDT
生成式 AI 简介 Earned Jul 29, 2026 EDT
适用于生成式 AI 的机器学习运维 (MLOps) Earned Jul 29, 2026 EDT
通过 BigQuery ML 创建机器学习模型 Earned Jul 29, 2026 EDT
在 Google Cloud 上为机器学习 API 准备数据 Earned Jul 29, 2026 EDT
利用 BigQuery ML 构建预测模型时的数据工程处理 Earned Jul 29, 2026 EDT
面向开发者的 Responsible AI：隐私保护和安全 Earned Jul 29, 2026 EDT
Google Cloud 上的 AI 和机器学习简介 Earned Jul 29, 2026 EDT
大型语言模型简介 Earned Apr 30, 2026 EDT
生成式 AI 智能体：助力组织转型 Earned Apr 29, 2026 EDT
生成式 AI 应用：改变工作方式 Earned Apr 29, 2026 EDT
生成式 AI: 全面了解生成式 AI Earned Apr 29, 2026 EDT
生成式 AI：剖析基本概念 Earned Apr 29, 2026 EDT
生成式 AI：不只是聊天机器人 Earned Apr 29, 2026 EDT
Build a Certification Study Guide: PMLE Earned Nov 16, 2025 EST

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。

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

生成式 AI 应用可以提供大语言模型 (LLM) 问世前几乎不可能实现的全新用户体验。作为应用开发者，您要如何利用生成式 AI 在 Google Cloud 上构建更具吸引力且功能强大的应用？ 在本课程中，您将了解生成式 AI 应用，以及如何利用提示设计和检索增强生成 (RAG) 技术，构建使用 LLM 的强大应用。您将了解可用于生产用途且适合生成式 AI 应用的架构，并构建一个基于 LLM 和 RAG 的聊天应用。

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. Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.

了解详情

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。

了解详情

本课程能让机器学习从业者掌握评估生成式和预测式 AI 模型的基本工具、方法和最佳实践。要确保机器学习系统在实际运用中提供可靠、准确、高效的结果，做好模型评估至关重要。 学员将深入了解各项评估指标、方法及如何在不同模型类型和任务中适当应用这些指标和方法。课程将着重介绍生成式 AI 模型带来的独特挑战，并提供有效解决这些挑战的策略。通过利用 Google Cloud 的 Vertex AI Platform，学员可学习如何在模型选择、优化和持续监控工作中实施卓有成效的评估流程。

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

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

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

完成中级技能徽章课程通过 BigQuery ML 创建机器学习模型，展示您在以下方面的技能： 使用 BigQuery ML 创建和评估机器学习模型，以执行数据预测。

了解详情

完成入门级技能徽章课程在 Google Cloud 上为机器学习 API 准备数据，展示以下技能： 使用 Dataprep by Trifacta 清理数据、在 Dataflow 中运行数据流水线、在 Managed Service for Apache Spark 中创建集群和运行 Apache Spark 作业，以及调用机器学习 API，包括 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

了解详情

完成中级技能徽章课程利用 BigQuery ML 构建预测模型时的数据工程处理， 展示自己在以下方面的技能：利用 Dataprep by Trifacta 构建 BigQuery 数据转换流水线； 利用 Cloud Storage、Dataflow 和 BigQuery 构建提取、转换和加载 (ETL) 工作流； 以及利用 BigQuery ML 构建机器学习模型。

了解详情

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。

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

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

“生成式 AI 智能体：助力组织转型”是“Gen AI Leader”学习路线中的第五门课程，也是最后一门课程。本课程探讨了组织如何使用量身定制的生成式 AI 智能体，帮助应对特定的业务挑战。您将亲自动手构建一个基本的生成式 AI 智能体，并探索这些智能体的组成部分，例如模型、推理循环以及各种工具。

了解详情

“生成式 AI 应用：改变工作方式”是 Generative AI Leader 学习路线的第四门课程。本课程介绍 Google 的生成式 AI 应用，例如 Gemini for Workspace 和 NotebookLM。它将引导您逐一了解接地、检索增强生成、构建有效提示和构建自动化工作流等概念。

了解详情

“生成式 AI: 全面了解生成式 AI”是 Generative AI Leader 学习路线中的第三门课程。生成式 AI 正在改变我们的工作方式,以及我们与周围世界的互动方式。作为领导者,应该如何利用生成式 AI 来推动实现实际的业务成果?在本课程中,您将探索构建生成式 AI 解决方案的不同层级、Google Cloud 的产品,以及选择解决方案时需要考虑的因素。

了解详情

“生成式 AI: 剖析基本概念”是 Generative AI Leader 学习路线中的第二门课程。在本课程中,您将了解生成式 AI 的基本概念。您要探索 AI、机器学习和生成式 AI 之间的区别,了解各种数据类型如何赋能生成式 AI,从而应对各种业务挑战。您还将深入了解 Google Cloud 应对基础模型局限性的策略,以及负责任和安全的 AI 开发与部署面临着哪些关键挑战。

了解详情

“生成式 AI：不只是聊天机器人”是 Generative AI Leader 学习路线中的第一门课程。学习本课程没有知识门槛。本课程旨在帮助您超越对聊天机器人的基本认知,探索生成式 AI技术为您的组织带来的真正潜力。您将探索基础模型和提示工程等概念,这些知识对利用生成式 AI 的强大功能至关重要。本课程还将说明,为组织制定成功的生成式 AI 策略时,需要考虑哪些重要因素。

了解详情

Learn how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.

了解详情