加入 登录

Guillermo Antonio Rey Sánchez

成为会员时间：2024

钻石联赛

48065 积分
Create Agents with Generative Playbooks Earned May 30, 2025 EDT
透過 Agentspace 加速交流知識 Earned May 1, 2025 EDT
生成式 AI 代理：實現組織轉型 Earned Apr 30, 2025 EDT
生成式 AI 應用程式：徹底改變工作方式 Earned Apr 30, 2025 EDT
生成式 AI：掌握幕後技術與環境 Earned Apr 30, 2025 EDT
生成式 AI：瞭解基礎概念 Earned Apr 30, 2025 EDT
生成式 AI：不只是聊天機器人 Earned Apr 30, 2025 EDT
Google Cloud 中的資料工程簡介 Earned Dec 23, 2024 EST
在 BigQuery 使用 Gemini 模型 Earned Dec 18, 2024 EST
透過 Gemini in BigQuery 提升工作效率 Earned Dec 14, 2024 EST
使用 Dataplex 建構資料網格 Earned Dec 12, 2024 EST
使用 BigQuery ML 為預測模型進行資料工程 Earned Dec 9, 2024 EST
透過 BigQuery 建構資料倉儲 Earned Dec 5, 2024 EST
在 Google Cloud 為機器學習 API 準備資料 Earned Dec 3, 2024 EST
Serverless Data Processing with Dataflow: Operations Earned Nov 28, 2024 EST
Serverless Data Processing with Dataflow: Develop Pipelines Earned Nov 28, 2024 EST
Serverless Data Processing with Dataflow: Foundations Earned Nov 20, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Nov 20, 2024 EST
Build Streaming Data Pipelines on Google Cloud Earned Nov 19, 2024 EST
在 Google Cloud 整合應用程式與 Gemini 1.0 Pro Earned Nov 17, 2024 EST
Gemini 和 Imagen 實務應用：建構 AI 應用程式 Earned Nov 17, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Nov 17, 2024 EST
在 Google Cloud 部署 Kubernetes 應用程式 Earned Nov 16, 2024 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Nov 14, 2024 EST
Preparing for your Professional Data Engineer Journey Earned Nov 11, 2024 EST

This course will teach you how to build conversational experiences for Conversational Agents using Generative Playbooks. You'll start with an introduction to playbooks and learn how to set up your first one. You'll also learn about the importance of testing, as well as key production considerations like quota limits and integration. The course concludes with a case study that shows how to use playbooks for generative steering.

了解详情

Agentspace 結合 Google 的搜尋和 AI 專業知識，企業員工只要在單一搜尋列輸入關鍵字，就能查找文件儲存空間、電子郵件、對話、支援單處理系統和其他資料來源中的特定資訊。Agentspace 助理還能協助發想創意、研究資訊、列出文件大綱及執行其他動作，例如邀請同事加入日曆活動，加快完成知識型工作，並協作各種內容。

了解详情

「生成式 AI 代理：實現組織轉型」是 Generative AI Leader 學習路徑的第五門課,也是最後一門。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,同時熟悉這類代理的各種元件,例如模型、推論迴圈和工具。

了解详情

「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。

了解详情

「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。

了解详情

「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。

了解详情

「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。

了解详情

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。

了解详情

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。

了解详情

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。

了解详情

完成「使用 Dataplex 建構資料網格」技能徽章入門課程，即可證明您具備下列技能：使用 Dataplex 建構資料網格， 以利在 Google Cloud 維護資料安全性，並協助治理和探索資料。您將練習並測試自己的技能，包括在 Dataplex 為資產加上標記、指派 IAM 角色，以及評估資料品質。

了解详情

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。

了解详情

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。 「技能徽章」是 Google Cloud 核發的獨家數位徽章， 用於肯定您在 Google Cloud 產品和服務方面的精通程度， 代表您已通過測驗，能在互動式實作環境中應用相關 知識。完成技能徽章課程及結業評量挑戰研究室， 即可取得技能徽章並與他人分享。

了解详情

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 Dataproc 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。

了解详情

In the last installment of the Dataflow course series, we will introduce the components of the Dataflow operational model. We will examine tools and techniques for troubleshooting and optimizing pipeline performance. We will then review testing, deployment, and reliability best practices for Dataflow pipelines. We will conclude with a review of Templates, which makes it easy to scale Dataflow pipelines to organizations with hundreds of users. These lessons will help ensure that your data platform is stable and resilient to unanticipated circumstances.

了解详情

In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.

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

這個簡短的課程會說明如何在 Google Cloud 整合應用程式與 Gemini 1.0 Pro 模型，讓您瞭解 Gemini API 及其生成式 AI 模型，並學習如何透過程式碼存取 Gemini 1.0 Pro 和 Gemini 1.0 Pro Vision 模型。另外，您會在應用程式中使用文字、圖片和影片提示，測試模型的功能。

了解详情

完成「Gemini 和 Imagen 實務應用：建構 AI 應用程式」技能徽章入門課程，即可證明您具備下列技能：圖片辨識、自然語言處理、 使用 Google 強大的 Gemini 和 Imagen 模型生成圖片，以及在 Vertex AI 平台上部署應用程式。

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

完成 在 Google Cloud 部署 Kubernetes 應用程式 技能徽章中階課程，即可證明您具備下列技能： 設定及建構 Docker 容器映像檔、建立及管理 Google Kubernetes Engine (GKE) 叢集、運用 kubectl 有效 管理叢集，以及運用強大的持續推送軟體更新做法來部署 Kubernetes 應用程式。

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

This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.

了解详情