成为会员时间：2024
開發人員的負責任 AI 技術：可解釋性與透明度
Earned Jul 26, 2025 EDT
開發人員的負責任 AI 技術：公平性與偏誤
Earned Jul 6, 2025 EDT
機器學習運作 (MLOps) 與 Vertex AI：模型評估
Earned Jul 2, 2025 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Jul 1, 2025 EDT
Google Cloud 的 AI 和機器學習服務簡介
Earned Apr 28, 2024 EDT
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。
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。
本課程針對評估生成式和預測式 AI 模型，向機器學習從業人員介紹相關的基礎工具、技術和最佳做法。模型評估是機器學習的重要領域，確保這類系統能在正式環境中提供可靠、準確且成效優異的結果。 學員將深入瞭解多種評估指標與方法，以及適用於不同模型類型和工作的應用方式。此外，也會特別介紹生成式 AI 模型帶來的獨特難題，並提供有效的應對策略。透過 Google Cloud Vertex AI 平台，學員將瞭解在模型挑選、最佳化和持續監控方面，該如何導入穩健的評估程序。
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。
本課程介紹 Google Cloud 中的 AI 和機器學習 (ML) 服務。這些服務可建構預測式和生成式 AI 專案。我們將帶您探索「從資料到 AI」生命週期中適用的技術、產品和工具，包括 AI 基礎、開發選項及解決方案。課程目的是藉由生動的學習體驗與實作練習，增進數據資料學家、AI 開發人員和機器學習工程師的技能與知識。