成为会员时间：2021
图像生成简介
Earned Jun 27, 2023 EDT
探索生成式 AI - Vertex AI
Earned May 29, 2023 EDT
Transformer 模型和 BERT 模型
Earned May 23, 2023 EDT
注意力机制
Earned May 19, 2023 EDT
大型语言模型简介
Earned May 19, 2023 EDT
生成式 AI 简介
Earned May 17, 2023 EDT
云工程
Earned Dec 10, 2021 EST
Google Cloud Essentials
Earned Nov 30, 2021 EST
本课程向您介绍扩散模型。这类机器学习模型最近在图像生成领域展现出了巨大潜力。扩散模型的灵感来源于物理学，特别是热力学。过去几年内，扩散模型成为热门研究主题并在整个行业开始流行。Google Cloud 上许多先进的图像生成模型和工具都是以扩散模型为基础构建的。本课程向您介绍扩散模型背后的理论，以及如何在 Vertex AI 上训练和部署此类模型。
探索生成式 AI - Vertex AI 课程汇集了多组实验， 指导用户在 Google Cloud 平台上运用生成式 AI。参与实验，您将了解 如何使用 Vertex AI PaLM API 系列模型，包括 text-bison、chat-bison 和 textembedding-gecko。您还将了解提示设计、最佳实践， 以及如何使用生成式 AI 进行构思、文本分类、文本提取、文本 总结等任务。您还将学习如何通过 Vertex AI 自定义训练对基础模型进行调优， 并将模型部署到 Vertex AI 端点。
本课程向您介绍 Transformer 架构和 Bidirectional Encoder Representations from Transformers (BERT) 模型。您将了解 Transformer 架构的主要组成部分，例如自注意力机制，以及该架构如何用于构建 BERT 模型。您还将了解可以使用 BERT 的不同任务，例如文本分类、问答和自然语言推理。完成本课程估计需要大约 45 分钟。
本课程将向您介绍注意力机制，这是一种强大的技术，可令神经网络专注于输入序列的特定部分。您将了解注意力的工作原理，以及如何使用它来提高各种机器学习任务的性能，包括机器翻译、文本摘要和问题解答。
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。
在众多课程中，本入门课程独具特色。 这些实验经过精心设计，旨在让 IT 专业人员通过实践掌握 Google Cloud 认证 Associate Cloud Engineer 考核中的各项主题和服务内容。从 IAM 到网络组建和管理， 再到 Kubernetes Engine 部署，本课程将通过特定实验 检验您的 Google Cloud 知识掌握情况。请注意，虽然这些实操 实验有助于提升您的技能和能力，我们仍建议您同时查阅 考试指南和其他可用的备考资源。
在此入门级挑战任务中，您可以使用 Google Cloud Platform 的基本工具和服务，开展真枪实弹的操作实训。“GCP 基本功能”是我们为 Google Cloud 学员推荐的第一项挑战任务。云知识储备微乎其微甚至零基础？不用担心！这项挑战任务会为您提供真枪实弹的实操经验，助您快速上手 GCP 项目。无论是要编写 Cloud Shell 命令还是部署您的第一台虚拟机，亦或是通过负载平衡机制或在 Kubernetes Engine 上运行应用，都可以通过“GCP 基本功能”了解该平台的基本功能之精要。点此观看 1 分钟视频，了解每个实验涉及的主要概念。