加入 登录

Pablo Villegas

成为会员时间：2023

钻石联赛

63820 积分
Google Cloud 云计算基础课程：Google Cloud 中的基础设施 Earned Aug 30, 2025 EDT
Work Meets Play: Faster Finance Earned Aug 30, 2025 EDT
Level 3: Terraform Essentials Earned Aug 21, 2025 EDT
Google Cloud 云计算基础课程：云计算基础知识 Earned Aug 20, 2025 EDT
在 Agent Platform 中设计提示 Earned Jul 21, 2025 EDT
Responsible AI: 和 Google Cloud 一起践行 AI 原则 Earned Jul 20, 2025 EDT
负责任的 AI 简介 Earned Jul 20, 2025 EDT
生成式 AI 智能体：助力组织转型 Earned Jun 13, 2025 EDT
生成式 AI 应用：改变工作方式 Earned Apr 26, 2025 EDT
生成式 AI：全面了解生成式 AI Earned Apr 22, 2025 EDT
生成式 AI：剖析基本概念 Earned Apr 20, 2025 EDT
生成式 AI：不只是聊天机器人 Earned Apr 19, 2025 EDT
Google Cloud 数据工程简介 Earned Apr 17, 2025 EDT
Build a Certification Study Guide: PDE Exam Prep Earned Mar 22, 2025 EDT
[DEPRECATED] 适用于安全工程师的 Gemini Earned Jan 12, 2025 EST
[DEPRECATED] 适用于云架构师的 Gemini Earned Jan 12, 2025 EST
[DEPRECATED] 适用于应用开发者的 Gemini Earned Jan 12, 2025 EST
利用 BigQuery ML 构建预测模型时的数据工程处理 Earned Nov 6, 2024 EST
通过 BigQuery ML 创建机器学习模型 Earned Nov 3, 2024 EST
Managing Cloud Infrastructure with Terraform Earned Oct 27, 2024 EDT
面向开发者的 Responsible AI：隐私保护和安全 Earned Oct 24, 2024 EDT
Build a Certification Study Guide: PMLE Earned Oct 22, 2024 EDT
利用 Vertex AI 实现机器学习运维 (MLOps)：模型评估 Earned Oct 22, 2024 EDT
Working with Notebooks in Vertex AI Earned Oct 21, 2024 EDT
面向开发者的 Responsible AI：可解释性和透明度 Earned Oct 18, 2024 EDT
面向开发者的 Responsible AI：公平性与偏见 Earned Oct 18, 2024 EDT
在 Google Cloud 上创建生成式 AI 应用 Earned Oct 17, 2024 EDT
适用于生成式 AI 的机器学习运维 (MLOps) Earned Oct 14, 2024 EDT
在 Vertex AI 上构建和部署机器学习解决方案 Earned Oct 14, 2024 EDT
大型语言模型简介 Earned Oct 10, 2024 EDT
生成式 AI 简介 Earned Oct 10, 2024 EDT
ML Pipelines on Google Cloud Earned Oct 10, 2024 EDT
在 Google Cloud 上为机器学习 API 准备数据 Earned Aug 20, 2024 EDT
MLOps with Agent Platform: Manage Features Earned Jul 24, 2024 EDT
Recommendation Systems on Google Cloud Earned Jun 25, 2024 EDT
Computer Vision Fundamentals with Google Cloud Earned Jun 13, 2024 EDT
Machine Learning Operations (MLOps): Getting Started Earned Jun 5, 2024 EDT
Production Machine Learning Systems Earned May 22, 2024 EDT
Machine Learning in the Enterprise Earned May 14, 2024 EDT
[DEPRECATED] Feature Engineering Earned May 6, 2024 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud Earned Apr 29, 2024 EDT
Natural Language Processing on Google Cloud Earned Nov 9, 2023 EST
Launching into Machine Learning Earned Oct 30, 2023 EDT
Google Cloud 上的 AI 和机器学习简介 Earned Oct 20, 2023 EDT

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

了解详情

At L&T Finance, speed matters. By moving to Google Workspace, their teams cut loan approvals from hours to just minutes—helping millions of people in rural India get faster access to funds. With Gmail, Calendar, Docs, and Meet, 14,500 employees now stay connected and work together more easily, no matter where they are. This challenge takes inspiration from that journey. You’ll get hands-on with the same tools—starting with Gmail and Calendar, learning how to manage users and apps in the Admin console, creating simple apps with AppSheet, and exploring cloud performance with Kubernetes and monitoring tools. It’s all about learning skills that make work easier, faster, and more impactful.

了解详情

Used by over 70% of DevOps teams globally, Terraform has become the go-to tool for provisioning and managing infrastructure as code. In this hands-on challenge, you'll use Terraform to automate the setup of Google Cloud resources—Firestore, Compute Engine, Cloud Storage, VPCs, and more. You'll also manage secure configurations with Service Accounts, Firewall Rules, and Secret Manager. Build a strong foundation for scalable, repeatable deployments and earn an exclusive Google Cloud Credential!.

了解详情

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。

了解详情

完成 在 Agent Platform 中设计提示入门技能徽章课程，展示以下方面的技能： Agent Platform 中的提示工程、图片分析和多模态生成式技术。探索如何编写有效的提示，指导生成式 AI 输出， 以及将 Gemini 模型应用于真实的营销场景。

了解详情

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。

了解详情

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。

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“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。

了解详情

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。

了解详情

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。

了解详情

在本课程中，您将了解 Google Cloud 数据工程、数据工程师的角色和职责，以及相关的 Google Cloud 产品和服务。您还将了解如何应对数据工程挑战。

了解详情

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.

了解详情

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）如何帮助您保护您的云环境和资源。您将学习如何将示例工作负载部署到 Google Cloud 环境中，以及如何借助 Gemini 识别和修复安全配置错误。您可以通过实操实验了解如何利用 Gemini 来改善云安全状况。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

了解详情

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。

了解详情

在本课程中，您将了解 Google Cloud 中依托生成式 AI 技术的协作工具 Gemini 如何帮助开发者构建应用。您将学习如何向 Gemini 输入提示，让其为您解释代码、推荐 Google Cloud 服务并为您的应用生成代码。您将通过实操实验体验 Gemini 对应用开发工作流的改进作用。 Duet AI 已更名为 Gemini，这是我们的新一代模型。

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

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

In this Quest, the experienced user of Google Cloud will learn how to describe and launch cloud resources with Terraform, an open source tool that codifies APIs into declarative configuration files that can be shared amongst team members, treated as code, edited, reviewed, and versioned. In these nine hands-on labs, you will work with example templates and understand how to launch a range of configurations, from simple servers, through full load-balanced applications.

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

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

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 is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

了解详情

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

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

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

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

完成在 Vertex AI 上构建和部署机器学习解决方案课程，赢取中级技能徽章。 在此课程中，您将了解如何使用 Google Cloud 的 Vertex AI Platform、AutoML 以及自定义训练服务来 训练、评估、调优、解释和部署机器学习模型。 此技能徽章课程的目标受众是专业的数据科学家和机器学习 工程师。 技能徽章是由 Google Cloud 颁发的专属数字徽章，旨在认可 您对 Google Cloud 产品与服务的熟练度；您需要在 交互式实操环境中参加考核，证明自己运用所学知识的能力后才能获得此徽章。完成此技能徽章课程 和作为最终评估的实验室挑战赛，即可获得数字徽章， 在您的人际圈中炫出自己的技能。

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

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

In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.

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

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

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.

了解详情

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.

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

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

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

了解详情

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.

了解详情

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

了解详情

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.

了解详情

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.

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