Tomás Fernández
成为会员时间：2025
白银联赛
33803 积分
AI 基础设施：网络组建和管理技术
Earned Aug 15, 2026 EDT
AI 基础设施：存储选项
Earned Aug 15, 2026 EDT
使用智能体开发套件 (ADK) 打造您的首个智能体
Earned Mar 12, 2026 EDT
AI 基础设施：部署类型
Earned Feb 1, 2026 EST
AI Infrastructure：Cloud TPU
Earned Jan 23, 2026 EST
AI Infrastructure：Cloud GPU
Earned Jan 22, 2026 EST
AI Infrastructure：AI Hypercomputer 简介
Earned Jan 22, 2026 EST
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 Jun 13, 2025 EDT
生成式 AI: 全面了解生成式 AI
Earned Jun 13, 2025 EDT
生成式 AI：剖析基本概念
Earned Jun 13, 2025 EDT
生成式 AI：不只是聊天机器人
Earned Jun 9, 2025 EDT
在 BigQuery 中使用 Gemini 模型
Earned Apr 3, 2025 EDT
在 Google Cloud 上为机器学习 API 准备数据
Earned Mar 22, 2025 EDT
利用 BigQuery ML 构建预测模型时的数据工程处理
Earned Mar 21, 2025 EDT
使用 Gemini in BigQuery 提高效率
Earned Mar 12, 2025 EDT
使用 BigQuery 构建数据仓库
Earned Mar 11, 2025 EDT
Serverless Data Processing with Dataflow: Foundations
Earned Mar 5, 2025 EST
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Mar 5, 2025 EST
Build Streaming Data Pipelines on Google Cloud
Earned Feb 28, 2025 EST
Google Cloud 数据工程简介
Earned Feb 24, 2025 EST
Build Batch Data Pipelines on Google Cloud
Earned Feb 3, 2025 EST
Build Data Lakes and Data Warehouses on Google Cloud
Earned Jan 26, 2025 EST
Build a Certification Study Guide: PDE Exam Prep
Earned Jan 9, 2025 EST
欢迎学习“AI 基础设施：网络组建和管理技术”课程。
在本课程中，您将学习如何利用 Google Cloud 的高带宽、低延迟基础设施，优化 AI 系统所有组件之间的数据传输和通信。学完本课程后，您将了解网络组建和管理在整个 AI 流水线（从数据注入、训练到推理）中发挥的关键作用，并能够应用最佳实践来确保您的工作负载以最高速度运行。
了解详情
在本课程中，您将全面了解 Google Cloud 提供的存储解决方案，这些解决方案专为 AI 和高性能计算 (HPC) 工作负载量身定制。您将学习如何为机器学习生命周期的各个阶段选择合适的存储选项。您将探索如何在训练期间优化 I/O 性能，管理海量数据集以进行数据准备，以及以低延迟部署模型制品。通过实际案例和演示，您将获得设计可靠存储解决方案所需的专业知识，从而加速 AI 创新。
了解详情
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。
了解详情
本课程全面指导如何在 Google Cloud 上部署、管理和优化 AI 和高性能计算 (HPC) 工作负载。通过一系列课程和实际演示，您将探索从基于 Google Compute Engine (GCE) 的高度可定制环境，到 Google Kubernetes Engine (GKE) 等托管式解决方案的各种部署策略。具体来说，您将学习如何创建集群并部署 GKE 进行推理。
了解详情
欢迎学习 Cloud TPU 课程。我们将探讨 TPU 在不同场景下的优势和劣势，并比较不同的 TPU 加速器，以帮助您选择合适的加速器。您将了解可通过哪些策略充分提高 AI 模型的性能和效率，并理解 GPU/TPU 互操作性对于创建灵活的机器学习工作流程的重要性。通过引人入胜的课程内容和实际演示，您将逐步了解如何有效利用 TPU。
了解详情
对 AI 背后的强大硬件感到好奇吗？本单元将详细讲解性能经过优化的 AI 计算机，向您展示它们为何如此重要。我们将探讨 CPU、GPU 和 TPU 如何让 AI 任务高速运行，介绍它们各自的特点，并说明 AI 软件是如何充分发挥这些硬件的性能的。学习结束后，您将清楚地知道如何为自己的 AI 项目选择合适的 GPU，从而为 AI 工作负载做出明智的决策。
了解详情
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。
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 Generative 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,以及我们与周围世界的互动方式。作为领导者,应该如何利用生成式 AI 来推动实现实际的业务成果?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,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 Generative AI Leader 学习路线中的第二门课程。在本课程中,您将了解生成式 AI 的基本概念。您要探索 AI、机器学习和生成式 AI 之间的区别,了解各种数据类型如何赋能生成式 AI,从而应对各种业务挑战。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 开发与部署面临着哪些关键挑战。
了解详情
“生成式 AI：不只是聊天机器人”是 Generative AI Leader 学习路线中的第一门课程。学习本课程没有知识门槛。本课程旨在帮助您超越对聊天机器人的基本认知,探索生成式 AI技术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,这些知识对利用生成式 AI 的强大功能至关重要。本课程还将说明,为组织制定成功的生成式 AI 策略时,需要考虑哪些重要因素。
了解详情
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。
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
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
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。
了解详情
完成中级技能徽章课程使用 BigQuery 构建数据仓库，展示以下技能： 联接数据以创建新表、排查联接故障、使用并集附加数据、创建日期分区表， 以及在 BigQuery 中使用 JSON、数组和结构体。
了解详情
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
了解详情
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
了解详情
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
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
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting.
Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
了解详情
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
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
