Join Sign in

Rashadha Rimsan

Member since 2023

Gold League

59487 points
使用 BigQuery ML 為預測模型進行資料工程 Earned Jul 14, 2026 EDT
Build a Certification Study Guide: PDE Exam Prep Earned Jan 3, 2025 EST
Analytics for SAP on Google Cloud Earned Jul 22, 2024 EDT
設定 Google Cloud 網路 Earned May 5, 2024 EDT
Google Kubernetes Engine 成本效益最佳化 Earned May 5, 2024 EDT
雲端架構：設計、實作與管理 Earned Apr 28, 2024 EDT
在 Compute Engine 導入 Cloud Load Balancing Earned Apr 28, 2024 EDT
彈性的 Google Cloud 基礎架構：資源調度與自動化 Earned Apr 21, 2024 EDT
重要的 Google Cloud 基礎架構：核心服務 Earned Apr 17, 2024 EDT
在 Google Cloud 使用 Terraform 建構基礎架構 Earned Apr 16, 2024 EDT
重要的 Google Cloud 基礎架構：基本概念 Earned Apr 16, 2024 EDT
建立 Google Cloud 網路 Earned Apr 15, 2024 EDT
Google Cloud 基礎知識：核心基礎架構 Earned Apr 7, 2024 EDT
Build a Certification Study Guide: PCA Exam Prep Earned Apr 2, 2024 EDT
Vertex AI Studio 簡介 Earned Dec 7, 2023 EST
負責任的 AI 技術：透過 Google Cloud 採用 AI 開發原則 Earned Dec 7, 2023 EST
[DEPRECATED] Generative AI Fundamentals Earned Dec 5, 2023 EST
Generative AI Explorer : Vertex AI Earned Dec 5, 2023 EST
負責任的 AI 技術簡介 Earned Dec 5, 2023 EST
運用 BigQuery ML 建立機器學習模型 Earned Dec 4, 2023 EST
透過 Vertex AI 建構及部署機器學習解決方案 Earned Dec 3, 2023 EST
Google Cloud 的 AI 和機器學習服務簡介 Earned Dec 3, 2023 EST
大型語言模型簡介 Earned Dec 3, 2023 EST
生成式 AI 簡介 Earned Dec 3, 2023 EST
在 Google Cloud 為機器學習 API 準備資料 Earned Nov 29, 2023 EST
MLOps with Agent Platform: Manage Features Earned Nov 26, 2023 EST
Machine Learning Operations (MLOps): Getting Started Earned Oct 15, 2023 EDT
Recommendation Systems on Google Cloud Earned Oct 14, 2023 EDT
Natural Language Processing on Google Cloud Earned Oct 14, 2023 EDT
Computer Vision Fundamentals with Google Cloud Earned Oct 10, 2023 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Sep 24, 2023 EDT
[DEPRECATED] Feature Engineering Earned Sep 24, 2023 EDT
Launching into Machine Learning Earned Sep 18, 2023 EDT
How Google Does Machine Learning Earned Sep 11, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals Earned Aug 22, 2023 EDT

完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。

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 focuses on how you can leverage the Google Cloud Analytics and AI/ML offerings to integrate and innovate with SAP

Learn more

完成「設定 Google Cloud 網路」課程，即可獲得技能徽章。 您將瞭解如何在 Google Cloud Platform 執行基本的網路工作，包括建立自訂網路、新增子網路防火牆規則，還有建立 VM 並測試 VM 之間的通訊延遲。

Learn more

完成 Google Kubernetes Engine 成本效益最佳化 技能徽章中階課程， 即可證明您具備下列技能：建立及管理多租戶叢集、依據命名空間監控資源使用量、 設定自動調度叢集和 Pod 資源以提升效能、設定負載平衡以最佳化 資源分配，以及導入有效性和完備性探測，確保應用程式維持健康並符合成本效益。

Learn more

完成 雲端架構：設計、實作與管理 課程即可獲得 技能徽章，證明您具備下列技能： 使用 Apache 網路伺服器部署可公開存取的網站、使用開機指令碼設定 Compute Engine VM、 使用 Windows 防禦主機和防火牆規則設定安全的 RDP、建構 Docker 映像檔並部署至 Kubernetes 叢集，然後進行更新，以及建立 Cloud SQL 執行個體並匯入 MySQL 資料庫。 這個技能徽章課程是絕佳的 資源，可讓您瞭解Google Cloud 認證專業雲端架構師認證測驗涵蓋的主題。

Learn more

完成「在 Compute Engine 導入 Cloud Load Balancing」技能徽章入門課程，即可證明您具備下列技能： 在 Compute Engine 建立及部署虛擬機器， 以及設定網路和應用程式負載平衡器。

Learn more

這堂隨選密集課程會向參加人員說明 Google Cloud 提供的全方位彈性基礎架構和平台服務。這堂課結合了視訊講座、示範和實作研究室，可讓參加人員探索及部署解決方案元素，包括安全地建立互連網路、負載平衡、自動調度資源、基礎架構自動化，以及代管服務。

Learn more

這堂隨選密集課程會向參加人員說明 Google Cloud 提供的全方位彈性基礎架構和平台服務，並將重點放在 Compute Engine。這堂課程結合了視訊講座、示範和實作研究室，可讓參加人員探索及部署解決方案元素，例如網路、系統和應用程式服務等基礎架構元件。另外，這堂課也會介紹如何部署實用的解決方案，包括客戶提供的加密金鑰、安全性和存取權管理機制、配額與帳單，以及資源監控功能。

Learn more

完成「在 Google Cloud 使用 Terraform 建構基礎架構」技能徽章中階課程， 即可證明自己具備下列知識與技能：使用 Terraform 的基礎架構即程式碼 (IaC) 原則、運用 Terraform 設定佈建及管理 Google Cloud 資源、有效管理狀態 (本機和遠端)，以及將 Terraform 程式碼模組化，以利重複使用和管理。

Learn more

這堂隨選密集課程會向參加人員說明 Google Cloud 提供的全方位彈性基礎架構和平台服務，尤其側重於 Compute Engine。這堂課程結合了視訊講座、示範和實作研究室，可讓參加人員探索及部署解決方案元素，例如網路、虛擬機器和應用程式服務等基礎架構元件。您會瞭解如何透過控制台和 Cloud Shell 使用 Google Cloud。另外，您也能瞭解雲端架構師的職責、基礎架構設計方法，以及具備虛擬私有雲 (VPC)、專案、網路、子網路、IP 位址、路徑和防火牆規則的虛擬網路設定。

Learn more

完成 建立 Google Cloud 網路 課程即可獲得技能徽章。這個課程將說明 部署及監控應用程式的多種方法，包括查看 IAM 角色及新增/移除 專案存取權、建立虛擬私有雲網路、部署及監控 Compute Engine VM、編寫 SQL 查詢、在 Compute Engine 部署及監控 VM，以及 使用 Kubernetes 透過多種方法部署應用程式。

Learn more

「Google Cloud 基礎知識：核心基礎架構」介紹了在使用 Google Cloud 時會遇到的重要概念和術語。本課程會透過影片和實作實驗室，介紹並比較 Google Cloud 的多種運算和儲存服務，同時提供重要的資源和政策管理工具。

Learn more

Learn how to use Gemini Notebook to create a personalized study guide for the Professional Cloud Architect 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

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

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

Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.

Learn more

This content is deprecated. Please see the latest version of the course, here.

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

完成「運用 BigQuery ML 建立機器學習模型」技能徽章中階課程，即可證明您具備下列技能： 可使用 BigQuery ML 建立及評估機器學習模型，並根據資料進行預測。

Learn more

完成 透過 Vertex AI 建構及部署機器學習解決方案 課程，即可瞭解如何使用 Google Cloud 的 Vertex AI 平台、AutoML 和自訂訓練服務， 訓練、評估、調整、解釋及部署機器學習模型。 這個技能徽章課程適合專業數據資料學家和機器學習 工程師，完成即可取得中階技能徽章。技能 徽章是 Google Cloud 核發的獨家數位徽章， 用於肯定您在 Google Cloud 產品和服務方面的精通程度， 代表您已通過測驗，能在互動式實作環境應用相關知識。完成這個技能徽章課程 和結業評量挑戰實驗室，就能獲得數位徽章， 並與親友分享。

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

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

完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Managed Service for Apache Spark 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。

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

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

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

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

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

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

This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.

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