ramamohan lankalapalli
成为会员时间:2024
成为会员时间:2024
人工智能 (AI) 和机器学习 (ML) 代表着信息技术领域的重要演变,正在迅速改变各行各业。《利用 Google Cloud 人工智能进行创新》探讨了组织如何使用 AI 和机器学习来转变业务流程。 本课程是“Cloud Digital Leader 学习路线”的一部分,旨在帮助个人在自己的角色中不断成长,并为企业谋求未来发展。
云技术是一项强大的资产,与数据相结合后,它将成为创新和提升客户体验的催化剂。《使用 Google Cloud 探索数据转换》课程探讨了组织如何利用云技术让数据更易于访问、更具实用价值和商业价值。 作为“Cloud Digital Leader 学习路线”的一部分,本课程旨在帮助个人提升职业素养,并为企业谋求未来发展。
数字化转型是现代组织的必经之路,而扎实掌握云计算基础知识,是推动实质性创新的第一步。《利用 Google Cloud 实现数字化转型》课程将讲解核心技术与战略框架,助力组织实现运营现代化。本课程介绍关于云的基本概念、全球网络基础设施和责任共担模式,帮助领导者从容推进上云进程。 作为 Cloud Digital Leader 学习路线的一部分,本课程旨在帮助学员提升岗位能力,从而为企业打造美好未来。
在本课程中,您将了解 Gemini(Google Cloud 的生成式 AI 赋能的协作工具)如何帮助管理员预配基础设施。您将了解如何通过输入提示来让 Gemini 解释基础设施、GKE 集群的部署,以及现有基础设施的更新。您可以通过实操实验了解如何利用 Gemini 来改进 GKE 部署工作流。 Duet AI 已更名为 Gemini,这是我们的新一代模型。
“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。
“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。
“生成式 AI:全面了解生成式 AI”是“Gen 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与世界的互动方式。作为领导者,应该如何利用生成式 AI 来推动实际业务成果?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/服务,以及选择解决方案时需要考虑的因素。
This self-paced training course gives participants broad study of security controls and techniques on Google Cloud. Through recorded lectures, demonstrations, and hands-on labs, participants explore and deploy the components of a secure Google Cloud solution, including Cloud Storage access control technologies, Security Keys, Customer-Supplied Encryption Keys, API access controls, scoping, shielded VMs, encryption, and signed URLs. It also covers securing Kubernetes environments.
生成式 AI:剖析基本概念是“Gen AI Leader”学习路线的第二门课程。在本课程中,您将探索 AI、机器学习和生成式 AI 之间的差异,了解各种数据类型如何赋能生成式 AI 来应对业务挑战,从而了解生成式 AI 的基本概念。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 开发与部署面临哪些关键挑战。
生成式 AI:不只是聊天机器人是 Gen AI Leader 学习路线的第一门课程,没有前提条件要求。本课程旨在带您超越对聊天机器人的浅层认知,深入挖掘生成式 AI 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,它们对于利用生成式 AI 的强大功能至关重要。本课程还将提供指导,让您了解在为组织制定成功的生成式 AI 策略时,应考虑哪些重要因素。
本课程旨在帮助您了解 Google Workspace 中的用户和资源管理流程。学员将探索如何根据组织的需求配置组织部门。此外,学员还将了解如何管理各种类型的 Google 群组。他们还将掌握在 Google Workspace 中管理网域设置的专业知识。最后,学员将掌握如何在 Google Workspace 环境中优化和构建资源。
Migrating between fundamentally incompatible database engines—such as moving from commercial legacy systems to cloud-native AlloyDB— is a major architectural shift. Architect this heterogeneous database migration using the DMS conversion workspace and Gemini to refactor database logic and stored procedures. Build reliable, rule-based pipelines with DMS mapping rules and ensure data fidelity via the Data Validation Tool (DVT). Develop the skills to systematically guide an enterprise migration from assessment to production cutover.
在本课程中,您将学习如何将 PDF、网页甚至音频文件等各类不同来源的内容,整合到一个统一的智能工作区中。您将学习与文档“对话”,快速定位特定信息、生成即时摘要,并通过 AI 驱动的引用溯源来验证答案的准确性。
在本课程中,您将了解 Gemini(Google Cloud 的生成式 AI 赋能的协作工具)如何帮助分析客户数据并预测产品销售情况。此外,您还将了解如何在 BigQuery 中使用客户数据来识别、开发新客户并对其进行分类。通过动手实验,您将体验 Gemini 如何改进数据分析和机器学习工作流。 Duet AI 已更名为 Gemini,这是我们的新一代模型。
将智能体从 localhost 部署到生产环境。本课程将介绍如何将 ADK 智能体部署到 Vertex AI Agent Engine 和 Cloud Run,以及如何通过记忆库实现可选的跨会话记忆功能。
Learn to orchestrate complex multi-agent workflows. This lesson teaches you to choose the right workflow patterns, manage state across agents, understand when custom logic is needed, and introduces distributed agent systems with A2A Protocol.
Learn to coordinate multiple specialized agents working together. This lesson teaches you when to use multi-agent systems, how to orchestrate agents with workflow patterns, and how agents communicate through shared state. By the end, you’ll build a complete multi-agent application.
This course provides an introduction to using Terraform for Google Cloud. It enables learners to describe how Terraform can be used to implement infrastructure as code and to apply some of its key features and functionalities to create and manage Google Cloud infrastructure. Learners will get hands-on practice building and managing Google Cloud resources using Terraform.
您已经构建了具有高级配置的智能体,现在可赋予它们实际应用能力。为智能体配备能够搜索网络、执行代码、查询数据库和执行自定义操作的工具。让智能体从“智能回答者”转变为能够自主采取行动的得力助手。
Welcome to the sixth course in our Networking and Google Cloud series, Hybrid and Multicloud. The first module will walk you through various cloud connectivity options, with a deep dive into Cloud Interconnect, exploring its different types and functionalities. In the second module, we'll cover Cloud VPN, discussing its implementation, high availability, VPN topologies, and the Network Connectivity Center for streamline management. By the end of this course, you will be able to explain the different connectivity options available to extend your on-premises and other cloud networks to Google Cloud, and analyze the suitability of different Google Cloud hybrid and multicloud connectivity services for specific use cases.
在本入门级课程中,您将了解 Google Cloud 的基础工具和服务。此课程提供了可选视频, 旨在帮助您深入了解和回顾实验中涉及的概念。Google Cloud 基础知识是推荐给 Google Cloud 学员的第一门课程 - 即使您几乎没有云相关知识,也能从中获得实践 经验,并将其直接运用于您的首个 Google Cloud 项目。从编写 Cloud Shell 命令和部署您的第一个虚拟机,到在 Kubernetes Engine 上运行应用 或者使用负载均衡,“Google Cloud 基础知识”都是您了解该平台 基本功能的首选入门级课程。
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。
您已经创建了自己的第一个智能体,现在是时候更进一步了。在本课程中,您将通过学习应用高级指令、模型选择、规划功能以及结构化输出模式来精进技能,将基础 AI 智能体升级为一个精确、专业的智能助理。加入社区论坛,提出问题并参与讨论
使用 Google 的智能体开发套件 (ADK) 构建、配置和运行您的第一个 AI 智能体,将您对智能体的理解转化为实际应用。 在本实操课程中,您将设置一个完整的 ADK 开发环境,使用 Python 代码和 YAML 配置两种方式创建智能体,并通过多个界面运行智能体。您还将学习定义智能体行为的核心参数,将您在课程 1 中学到的知识应用到实际代码中。
本课程将介绍 AI 智能体的基础知识,并探讨智能体在现实世界中的价值所在。它为想要从自主、目标导向行为的角度理解 AI 系统的开发者、架构师和技术决策者奠定了基础。
本课程探讨 BigQuery 中用于减轻 AI 幻觉的检索增强生成 (RAG) 解决方案。BigQuery 引入了 RAG 工作流,其中涵盖了创建嵌入、搜索向量空间和生成更优质的回答。本课程解释了这些步骤背后的概念原理,以及这些步骤在 BigQuery 中的实际实施过程。学完本课程后,学员将能够使用 BigQuery 和生成式 AI 模型(如 Gemini)以及嵌入模型来构建 RAG 流水线,以解决在具体情况下遇到的 AI 幻觉问题。
本课程展示了如何在 BigQuery 中使用 AI/机器学习模型处理生成式 AI 任务。通过一个涉及客户关系管理的实际应用场景,您将学习到使用 Gemini 模型解决业务问题的工作流程。为了便于理解,本课程还将通过使用 SQL 查询和 Python 笔记本的编码解决方案提供分步指导。
此课程将探索如何使用 AI 功能套件 Gemini in BigQuery 为“数据到 AI”工作流提供助力。其中涉及到的功能包括数据探索和准备、代码生成和问题排查,以及工作流发现和可视化。此课程包含概念解释、真实使用场景以及实操实验等内容,可帮助数据从业者提升效率并加快流水线开发速度。
随着企业对人工智能和机器学习的应用越来越广泛,以负责任的方式构建这些技术也变得更加重要。但对很多企业而言,真正践行 Responsible AI 并非易事。如果您有意了解如何在组织内践行 Responsible AI,本课程正适合您。 本课程将介绍 Google Cloud 目前如何践行 Responsible AI,以及从中总结的最佳实践和经验教训,便于您以此为框架构建自己的 Responsible AI 方法。
准备好探索 AI Hypercomputer 了吗?这门课程将带您轻松入门!我们将介绍相关基础知识,并阐释它们如何助力 AI 处理 AI 工作负载。您将了解超级计算机内部的各个组件,如 GPU、TPU 和 CPU,并知晓如何根据您的需求选择合适的部署方法。
本视频介绍了如何使用 Gemini Gem 构建个性化的“Work with Me”智能体,帮助您简化基础反馈,让会议更具战略性和效率。
The microservices architecture describes a software design pattern in which an application is a collection of loosely coupled services. These services are fine-grained, and can be individually maintained and scaled. The microservices architecture is ideal for the public cloud, with its focus on elastic scaling with on-demand resources. In this course, you will build a Java application using Spring Boot and Spring Cloud on Google Cloud.
In many IT organizations, incentives are not aligned between developers, who strive for agility, and operators, who focus on stability. Site reliability engineering, or SRE, is how Google aligns incentives between development and operations and does mission-critical production support. Adoption of SRE cultural and technical practices can help improve collaboration between the business and IT. This course introduces key practices of Google SRE and the important role IT and business leaders play in the success of SRE organizational adoption.
在本课程中,您将了解 Gemini(Google Cloud 推出的一款依托生成式 AI 的协作工具)如何帮助您使用 Google 产品和服务开发、测试、部署和管理应用。在 Gemini 的协助下,您可以学习如何开发和构建 Web 应用、修复应用中的错误、开发测试和查询数据。您可以通过实操实验了解如何利用 Gemini 来改进软件开发生命周期 (SDLC)。 Duet AI 已更名为 Gemini,这是我们的新一代模型。
这是一节入门级微课程,旨在解释什么是负责任的 AI、它的重要性,以及 Google 如何在自己的产品中实现负责任的 AI。此外,本课程还介绍了 Google 的 7 个 AI 开发原则。
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。
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。
“Google Cloud 基础知识:核心基础设施”介绍在使用 Google Cloud 时会遇到的重要概念和术语。本课程通过视频和实操实验来介绍并比较 Google Cloud 的多种计算和存储服务,并提供重要的资源和政策管理工具。