Chrystina C
Member since 2026
Diamond League
11311 points
Member since 2026
這是 Google Cloud 網路安全專業證書課程的第五門課,在本課程中,您將在互動式總結專案中,結合並應用雲端安全原則、風險管理、安全漏洞識別、事件管理和危機溝通等重要概念。此外,您還會完成履歷更新,並實際練習所有新學到的面試技巧,為應徵和面試這個領域的工作做好準備。
這是 Google Cloud 網路安全專業證書五堂課程中的第四堂。本課程將著重於培養記錄、安全防護和快訊監控能力,以及攻擊防範技術。您將學到如何自訂威脅資訊、管理事件、處理危機溝通、進行根本原因分析,以及掌握事件應變和事後溝通的訣竅。您將學習如何使用 Google Cloud 工具找出入侵指標,並為業務永續性和災難復原做好準備。除了技術能力,您還需要持續更新履歷,並練習面試技巧。
這是 Google Cloud 網路安全專業證書五堂課程中的第三堂。本課程將探討雲端環境中的身分管理和存取控管原則,涵蓋 AAA (驗證、授權和稽核)、憑證處理和憑證管理等重要元素。此外,您還會學到威脅與安全漏洞管理、雲端原生原則和資料保護措施等重要主題。您完成本課程後,將具備保護雲端資源和組織機密資訊所需的技能與知識。此外,您還能繼續使用跟職涯有關的資源,精進面試技巧,準備邁向職涯發展的下一步。
這是 Google Cloud 網路安全專業證書五堂課程中的第二堂。本課程將介紹廣泛使用的雲端風險管理架構,探討安全領域、法規遵循生命週期,以及 HIPAA、NIST CSF 和 SOC 等業界標準。您將學會識別風險、實作安全控管措施、評估法規遵循情形,以及管理資料保護作業。此外,您還將實際操作 Google Cloud 和多雲端工具,瞭解如何因應風險和法規遵循需求。本課程也納入求職和面試準備技巧,提供全方位基礎知識,協助學員瞭解並有效應對雲端風險管理的複雜現況。
這是 Google Cloud 網路安全專業證書五堂課程中的第一堂。本課程將介紹網路安全的必要基礎,包括安全防護生命週期、數位轉型和雲端運算的重要概念。您將瞭解初級雲端資安分析師用來自動執行工作的常見工具。
本課程旨在說明負責任 AI 技術的概念和 AI 開發原則,同時介紹各項技術,在實務上找出公平性和偏誤,減少 AI/機器學習做法上的偏誤。我們也將探討實用方法和工具,透過 Google Cloud 產品和開放原始碼工具,導入負責任 AI 技術的最佳做法。
本課程涵蓋「AI 隱私權」和「AI 安全性」這兩個重要主題。我們將介紹實用的方法和工具,協助您運用 Google Cloud 產品和開放原始碼工具,導入 AI 隱私權和安全性的建議做法。
本課程旨在說明 AI 的可解釋性和透明度概念、探討 AI 透明度對開發人員和工程師的重要性。課程中也會介紹實務方法和工具,有助於讓資料和 AI 模型透明且可解釋。
完成 使用 Gemini 多模態功能和多模態 RAG 檢查複合型文件 技能徽章中階課程,即可證明您具備下列技能: 透過 Gemini 多模態功能,使用多模態提示從文字和影像資料擷取資訊、生成影片說明,以及擷取影片以外的額外資訊; 透過 Gemini 的多模態檢索增強生成 (RAG) 功能,為含有文字和圖片的文件建構中繼資料、取得所有相關文字分塊,以及顯示引用資料。
這堂課程會介紹 AI 搜尋技術、工具和應用程式。主題涵蓋使用向量嵌入執行語意搜尋;結合語意和關鍵字做法的混合型搜尋機制;以及運用檢索增強生成 (RAG) 技術建構有基準的 AI 代理,盡可能減少 AI 幻覺。您可以實際使用 Vertex AI Vector Search,打造智慧型搜尋引擎。
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。
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。
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。
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。
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。
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。
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。