Tomás Fernández
Member since 2025
Silver League
33803 points
AI 基礎架構：網路技術
Earned Aug 15, 2026 EDT
AI 基礎架構：儲存空間選項
Earned Aug 15, 2026 EDT
使用 Agent Development Kit (ADK) 打造您的第一個 AI 代理
Earned Mar 12, 2026 EDT
AI 基礎架構：部署類型
Earned Feb 1, 2026 EST
AI 基礎架構：Cloud TPU
Earned Jan 23, 2026 EST
AI 基礎架構：Cloud GPU
Earned Jan 22, 2026 EST
AI 基礎架構：AI Hypercomputer 簡介
Earned Jan 22, 2026 EST
生成式 AI 代理：實現組織轉型
Earned Jun 13, 2025 EDT
生成式 AI 應用程式：徹底改變工作方式
Earned Jun 13, 2025 EDT
生成式 AI：掌握幕後技術與環境
Earned Jun 13, 2025 EDT
生成式 AI：瞭解基礎概念
Earned Jun 13, 2025 EDT
生成式 AI：不只是聊天機器人
Earned Jun 9, 2025 EDT
在 BigQuery 使用 Gemini 模型
Earned Apr 3, 2025 EDT
在 Google Cloud 為機器學習 API 準備資料
Earned Mar 22, 2025 EDT
使用 BigQuery ML 為預測模型進行資料工程
Earned Mar 21, 2025 EDT
透過 Gemini in BigQuery 提升工作效率
Earned Mar 12, 2025 EDT
透過 BigQuery 建構資料倉儲
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 中的資料工程簡介
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
歡迎來到「AI 基礎架構：網路技術」課程。本課程將說明如何運用 Google Cloud 的高頻寬、低延遲基礎架構，最佳化調整 AI 系統所有元件之間的資料傳輸和通訊。最後，您將掌握網路在整個 AI 管道 (從資料擷取、訓練到推論) 發揮的關鍵作用，並採取最佳做法，確保工作負載能以最高速度運作。
Learn more
在本課程中，您將全面瞭解 Google Cloud 提供的儲存空間解決方案，專門用於 AI 和高效能運算 (HPC) 的工作負載。您將學習如何根據機器學習生命週期的各個階段，選擇合適的儲存空間；以及探索如何在訓練期間將 I/O 效能最佳化、管理準備資料所需的龐大資料集，以及用低延遲提供模型構件。透過實際例子和示範，您將掌握專業知識，得以設計穩健的儲存空間解決方案，並加快 AI 創新。
Learn more
使用 Agent Development Kit (ADK) 建構、設定及執行您的第一個 AI 代理，將自身代理知識化為實際成果。
在這堂實作課程，您會設立完整的 ADK 開發環境，並使用 Python 程式碼和 YAML 設定打造代理，然後透過多個介面執行。您也會瞭解定義代理行為的核心參數，將課程 1 的學習成果轉化為實際運作的程式碼。
Learn more
這堂課程會完整說明如何在 Google Cloud 部署、管理及最佳化調整 AI 和高效能運算 (HPC) 工作負載。藉由一系列課堂和實務示範，您會瞭解不同的部署策略，從使用 Google Compute Engine (GCE) 的高度可自訂環境，到 Google Kubernetes Engine (GKE) 等代管解決方案。具體來說，您會學到如何建立叢集及部署 GKE，以便執行推論工作。
Learn more
歡迎來到 Cloud TPU 課程。我們將探討在各種情境下使用 TPU 的優缺點，並比較不同的 TPU 加速器，協助您選擇合適的工具。您將瞭解如何盡可能提高 AI 模型的效能和效率，以及互通的 GPU/TPU 對於打造靈活的機器學習工作流程有多重要。我們會透過引人入勝的內容和實際演示，一步步引導您有效運用 TPU。
Learn more
想瞭解 AI 背後的強大硬體嗎？本單元將深入解析針對效能最佳化的 AI 電腦，說明其重要性。我們將探討 CPU、GPU 和 TPU 如何大幅加速 AI 任務運算，分析各自的特點，以及 AI 軟體如何充分利用這些硬體效能。單元結束後，您將清楚掌握如何根據 AI 專案挑選合適的 GPU，並做出明智的 AI 工作負載決策。
Learn more
準備開始使用 AI Hypercomputer 了嗎？這門課程可讓您快速上手！我們將介紹這個架構的基本概念，以及此架構如何幫助 AI 處理 AI 工作負載。您將瞭解 Hypercomputer 內的不同元件，例如 GPU、TPU 和 CPU，以及如何視需求選擇合適的部署方法。
Learn more
「生成式 AI 代理：實現組織轉型」是 Gen AI Leader 學習路徑的第五堂也是最後一堂課程。本課程將探討組織如何運用自訂生成式 AI 代理，解決特定的業務難題。您將動手練習建構基本的生成式 AI 代理，同時探索這類代理的各種元件，例如模型、推論迴圈和工具。
Learn more
「生成式 AI 應用程式：徹底改變工作方式」是 Generative AI Leader 學習路徑的第四門課程。本課程將介紹 Google 的生成式 AI 應用程式,例如 Gemini for Workspace 和NotebookLM,也會引導您瞭解各種概念,像是建立基準、檢索增強生成、建構有效的提示詞,以及打造自動化工作流程等。
Learn more
「生成式 AI：掌握幕後技術與環境」是 Generative AI Leader 學習路徑的第三門課程。生成式 AI 正在改變我們的工作方式,以及我們如何與周遭的世界互動。身為領導者,您要如何駕馭 AI 強大的功能,創造實際業務成果?在本課程中,您將認識建構生成式 AI 解決方案時的各個層面、Google Cloud 產品,以及選擇解決方案時應考量的因素。
Learn more
「生成式 AI: 瞭解基礎概念」是 Generative AI Leader 學習路徑的第二門課程。在本課程中,您將瞭解 AI、機器學習和生成式 AI 的差異,以及各種資料類型如何協助生成式 AI 解決業務難題,進而掌握生成式 AI 的基礎概念。您還能深入瞭解 Google Cloud 應對基礎
模型限制的策略,以及開發、部署安全且負責任的 AI 技術時面臨的主要挑戰。
Learn more
「生成式 AI：不只是聊天機器人」是 Generative AI Leader 學習路徑的第一門課程,沒有任何修課條件。本課程將帶您超越基本知識,進一步瞭解聊天機器人,探索如何在組織中充分發揮生成式 AI 的潛力。您將瞭解基礎模型和提示工程等概念,掌握善用生成式AI 的關鍵。本課程也會帶您瞭解擬定生成式 AI 策略時的多種重要考量,協助您為組織擬定出成功的策略。
Learn more
本課程將示範如何在 BigQuery 運用 AI/機器學行模型，以執行生成式 AI 任務。透過涉及顧客關係管理的應用實例，您將瞭解運用 Gemini 模型解決業務問題的工作流程。為了便於理解，本課程還提供了採用 SQL 查詢和 Python 筆記本的程式設計解決方案，指導您逐步操作。
Learn more
完成 在 Google Cloud 為機器學習 API 準備資料 技能徽章入門課程，即可證明您具備下列技能： 使用 Dataprep by Trifacta 清理資料、在 Dataflow 執行資料管道、在 Managed Service for Apache Spark 建立叢集和執行 Apache Spark 工作，以及呼叫機器學習 API，包含 Cloud Natural Language API、Google Cloud Speech-to-Text API 和 Video Intelligence API。
Learn more
完成使用 BigQuery ML 為預測模型進行資料工程技能徽章中階課程， 即可證明自己具備下列知識與技能：運用 Dataprep by Trifacta 建構連至 BigQuery 的資料轉換 pipeline； 使用 Cloud Storage、Dataflow 和 BigQuery 建構「擷取、轉換及載入」(ETL) 工作負載， 以及使用 BigQuery ML 建構機器學習模型。
Learn more
本課程會說明 Gemini in BigQuery，這是一套由 AI 輔助的功能，可協助「從資料到 AI」的工作流程。這些功能包含資料探索和準備、程式碼生成和疑難排解，以及工作流程探索和視覺化。本課程將透過概念解說、應用實例和實作實驗室，協助資料從業人員提升工作效率，並加速開發 pipeline。
Learn more
完成 透過 BigQuery 建構資料倉儲 技能徽章中階課程，即可證明您具備下列技能： 彙整資料以建立新資料表、排解彙整作業問題、利用聯集附加資料、建立依日期分區的資料表， 以及在 BigQuery 使用 JSON、陣列和結構體。
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
在本課程中，您會學到 Google Cloud 上的資料工程、資料工程師的角色與職責，以及這些內容如何對應至 Google Cloud 提供的服務。您也將瞭解處理資料工程難題的許多方法。
Learn more
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.
Learn more
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.
Learn more
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.
Learn more
