We may earn an affiliate commission when you visit our partners.
Course image
Google Cloud Training

「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。

Enroll now

Here's a deal for you

Save money when you learn with a deal that may be relevant to this course.
All coupon codes, vouchers, and discounts are applied automatically unless otherwise noted.

What's inside

Syllabus

生成式 AI 的幕後技術與環境
說明生成式 AI 幕後技術與環境的各個層級,以及如何從各個切入點滿足特定業務需求,並推動創新。
生成式 AI 代理和應用程式
本單元概述 Google Cloud 生成式 AI 產品組合的各項元件,說明組織內不同團隊如何運用 AI 堆疊達成特定業務目標,也會簡介可用於構成 AI 堆疊的 Google Cloud AI 產品 (例如 Gemini、Vertex AI)。
Read more

Save this course

Create your own learning path. Save this course to your list so you can find it easily later.
Save

Activities

Coming soon We're preparing activities for 生成式 AI:掌握幕後技術與環境. These are activities you can do either before, during, or after a course.

Career center

Learners who complete 生成式 AI:掌握幕後技術與環境 will develop knowledge and skills that may be useful to these careers:
AI 解決方案架構師
AI 解決方案架構師負責設計、規劃並監督人工智能解決方案的實施,將複雜的技術藍圖轉化為實際的業務成果。這項職務高度仰賴對最新技術趨勢的深刻理解,特別是在生成式 AI 領域。本課程「生成式 AI:掌握幕後技術與環境」對於有志成為 AI 解決方案架構師的學習者來說至關重要,因為它詳細剖析了建構生成式 AI 解決方案的各個層面,涵蓋了 Google Cloud 的產品組合以及選擇最適切解決方案時應考量的業務因素。透過本課程,您將能精通如何從各個切入點滿足特定業務需求、推動創新,並運用 Google Cloud 的 AI 最佳化基礎架構,確保所設計的解決方案具備高性能與可擴展性。此職位通常會偏好或要求相關領域的碩士學位。
雲端解決方案架構師
雲端解決方案架構師專注於設計、部署和管理基於雲端的技術解決方案,確保系統的穩定性、安全性和可擴展性。隨著生成式 AI 的興起,將 AI 能力整合到雲端環境中已成為此職務的核心職責之一。本課程「生成式 AI:掌握幕後技術與環境」為雲端解決方案架構師提供寶貴的知識,特別是在 Google Cloud 環境下如何支援生成式 AI 開發。課程涵蓋 Google Cloud 的 AI 最佳化基礎架構、資料中心和雲端運算平台,這些都是設計高效生成式 AI 應用程式的關鍵。透過本課程,您將對生成式 AI 的幕後技術與環境有全面理解,並學習如何運用 Google Cloud 產品組合來構成 AI 堆疊,以滿足不同團隊的業務目標。這將使您能夠設計出既創新又能產生實際業務成果的雲端 AI 解決方案。
技術長
技術長,即 CTO,是企業中負責制定和執行技術願景與戰略的最高級別主管。這個職位要求對新興技術趨勢有前瞻性的洞察力,並能將技術創新轉化為競爭優勢。本課程作為「生成式 AI Leader 學習路徑」的一部分,專為像技術長這樣的領導者設計,幫助他們駕馭 AI 強大的功能,創造實際業務成果。「生成式 AI:掌握幕後技術與環境」深入探討了建構生成式 AI 解決方案的各個層面、Google Cloud 產品,以及選擇解決方案時應考量的業務因素。透過本課程,技術長將能全面了解生成式 AI 的幕後技術與環境,掌握如何運用 Google Cloud 產品組合推動創新,並策略性地將 AI 最佳化基礎架構應用於公司的願景。此職位通常會偏好相關領域的進階學位,但更注重豐富的行業經驗和領導能力。
產品經理人工智能
人工智能產品經理負責定義、規劃並推出創新的人工智能產品,引導產品從概念走向市場,並確保其與業務戰略保持一致。在這個快速發展的生成式 AI 時代,擁有對底層技術和應用場景的深刻洞察至關重要。本課程「生成式 AI:掌握幕後技術與環境」旨在讓學習者了解建構生成式 AI 解決方案的各個層面,以及選擇解決方案時應考量的業務因素。這對於人工智能產品經理而言極具價值,因為它幫助您理解生成式 AI 代理和應用程式如何推動創新,並熟悉 Google Cloud 生成式 AI 產品組合的各項元件。透過本課程,您將更好地評估技術可行性,將技術能力轉化為客戶價值,並有效地協調不同團隊運用 AI 堆疊達成特定的業務目標。此職位通常會偏好或要求相關領域的碩士學位。
生成式 AI 顧問
生成式 AI 顧問為企業提供專業建議,協助他們理解、策略性地採用並有效實施生成式 AI 技術以解決業務挑戰。這是一個結合技術深度與商業洞察力的角色。本課程「生成式 AI:掌握幕後技術與環境」對於有志成為生成式 AI 顧問的學習者來說至關重要。課程深入探討了生成式 AI 幕後技術與環境的各個層級,以及如何從各個切入點滿足特定業務需求並推動創新。您將熟悉 Google Cloud 生成式 AI 產品組合,包括 Gemini 和 Vertex AI 等產品,並學會評估決定應用程式使用哪個部分時應考量的業務因素。這將使您能夠為客戶提供精準的技術和策略建議,幫助他們高效地運用生成式 AI 創造實際的業務成果。
機器學習操作工程師
機器學習操作工程師,簡稱 MLOps 工程師,專注於設計、建構和維護機器學習模型從開發到部署的整個生命週期,確保模型能夠在生產環境中穩定、高效地運行。在生成式 AI 的浪潮中,有效管理這些複雜模型的部署與監控變得尤為關鍵。本課程「生成式 AI:掌握幕後技術與環境」為機器學習操作工程師提供了重要的背景知識,特別是在 Google Cloud 生態系統中。課程說明了 Google Cloud 的 AI 最佳化基礎架構、資料中心和雲端運算平台如何支援生成式 AI 開發,這對於規劃和實施 MLOps 管道至關重要。通過理解生成式 AI 的幕後技術與環境,您將能夠選擇更合適的 Google Cloud 產品來管理和運營 AI 堆疊,從而優化生成式 AI 解決方案的性能和可靠性。
生成式 AI 開發者
生成式 AI 開發者負責使用最新的生成式人工智能技術來建構創新的應用程式和解決方案。這個角色要求開發者不僅具備編程技能,還需深入理解生成式 AI 模型的工作原理及其應用潛力。本課程「生成式 AI:掌握幕後技術與環境」為生成式 AI 開發者提供了寶貴的知識基礎。課程概述了 Google Cloud 生成式 AI 產品組合的各項元件,例如 Gemini 和 Vertex AI,並說明了組織內不同團隊如何運用 AI 堆疊達成特定業務目標。透過本課程,開發者將能理解生成式 AI 代理和應用程式的架構,並清楚了解 Google Cloud 的雲端運算平台如何支援開發。這將幫助您更有效地選擇與應用 Google Cloud 生成式 AI 產品組合,從而加速生成式 AI 應用程式的開發與部署,推動創新。
AI 專案經理
AI 專案經理負責規劃、執行和監督人工智能專案,確保專案按時、在預算內並達成預期目標。在管理生成式 AI 專案時,對技術堆疊、實施環境和業務應用有清晰的理解至關重要。本課程「生成式 AI:掌握幕後技術與環境」為 AI 專案經理提供了關鍵的基礎知識。課程探討了生成式 AI 幕後技術與環境的各個層級,以及如何從各個切入點滿足特定業務需求。您將了解 Google Cloud 生成式 AI 產品組合的各項元件,以及不同團隊如何運用 AI 堆疊。透過本課程,您將能更好地評估專案的技術複雜性,預測潛在挑戰,並引導團隊利用 Google Cloud 的 AI 最佳化基礎架構來推動創新,確保生成式 AI 解決方案能夠成功交付並產生實際業務成果。
企业架构师
企業架構師負責設計和管理整個組織的 IT 藍圖和戰略,確保技術投資與業務目標保持一致。隨著生成式 AI 成為企業轉型的核心驅動力,理解如何將這些技術整合到現有企業架構中變得至關重要。本課程「生成式 AI:掌握幕後技術與環境」為企業架構師提供了生成式 AI 領域的關鍵洞察。課程深入說明了生成式 AI 幕後技術與環境的各個層級,以及如何從策略角度滿足特定業務需求並推動創新。您將了解 Google Cloud 的 AI 最佳化基礎架構與雲端運算平台如何支援生成式 AI 開發,這對於規劃企業級 AI 戰略至關重要。透過本課程,企業架構師能夠更好地評估和選擇 Google Cloud 生成式 AI 產品組合,以構建可擴展、安全且具備前瞻性的企業級 AI 解決方案。
技術銷售專員
技術銷售專員負責向潛在客戶展示和銷售複雜的技術產品或服務,需要深厚的技術知識來解釋產品價值並解決客戶的技術疑問。在生成式 AI 日益普及的今天,能夠清晰地闡述生成式 AI 解決方案的優勢和實施細節,是此職務成功的關鍵。本課程「生成式 AI:掌握幕後技術與環境」對於技術銷售專員來說極具價值。課程詳細介紹了建構生成式 AI 解決方案的各個層面、Google Cloud 產品組合,以及選擇解決方案時應考量的業務因素。透過學習,您將能更好地理解生成式 AI 代理和應用程式,並熟悉 Google Cloud 的 AI 最佳化基礎架構。這將使您能夠更有信心地與客戶溝通,精準地推薦最適合他們業務需求的 Google Cloud 生成式 AI 解決方案,從而推動銷售業績並創造實際業務成果。
新創公司創辦人
對新創公司創辦人而言,識別市場機會、開發創新產品並迅速擴展業務是成功的關鍵。在當今由技術驅動的創業環境中,理解並利用像生成式 AI 這樣的前沿技術,是創造顛覆性商業模式的巨大機會。本課程「生成式 AI:掌握幕後技術與環境」對於有志於利用 AI 創業的創辦人而言,可能非常有用。課程深入探討了建構生成式 AI 解決方案的各個層面、Google Cloud 產品,以及選擇解決方案時應考量的業務因素。這將幫助創辦人系統地思考如何將生成式 AI 代理和應用程式整合到其產品中,並利用 Google Cloud 的 AI 最佳化基礎架構來高效地啟動和擴展他們的技術創新。透過本課程,創辦人可以更好地理解技術可行性與商業價值的結合點,從而在激烈的市場競爭中脫穎而出。
数据科学家
數據科學家運用統計學、機器學習和領域知識來分析複雜的數據集,以發現模式、預測趨勢並推動數據驅動的決策。在生成式 AI 迅速發展的背景下,許多數據科學家正將其專業知識應用於開發、訓練或評估生成式模型。儘管本課程「生成式 AI:掌握幕後技術與環境」不側重於深度學習演算法的數學細節,但它可為數據科學家提供寶貴的平台和環境視角。課程概述了 Google Cloud 生成式 AI 產品組合的各項元件,如 Gemini 和 Vertex AI,以及如何運用 AI 堆疊達成特定的業務目標。這將有助於數據科學家理解其模型如何在現實世界的應用程式中部署和操作,並考量業務因素以選擇最適合其數據專案的 Google Cloud 生成式 AI 產品組合。此職位通常會偏好或要求相關領域的碩士或博士學位。
数据工程师
數據工程師負責設計、建構、維護和優化數據管道和基礎設施,確保數據能夠被高效地收集、存儲、處理和傳輸,以支持數據分析和機器學習應用。隨著生成式 AI 解決方案對數據的依賴日益增加,數據工程師需要了解如何為這些先進模型準備和管理數據。本課程「生成式 AI:掌握幕後技術與環境」對於數據工程師而言可能有所幫助。課程說明了 Google Cloud 的 AI 最佳化基礎架構、資料中心和雲端運算平台如何支援生成式 AI 開發。透過理解生成式 AI 幕後技術與環境的各個層級,數據工程師能夠更好地設計數據架構,以滿足生成式 AI 應用程式的特定需求並推動創新。這將有助於確保數據基礎設施能夠有效支持 Google Cloud 生成式 AI 產品組合的應用,為 AI 解決方案提供可靠的數據基礎。
數據倫理與治理專家
數據倫理與治理專家負責制定和執行數據使用政策、確保數據的合規性、隱私保護,並處理與數據相關的倫理問題。在生成式 AI 時代,由於模型可能產生偏見內容或存在數據隱私風險,此職務變得尤為關鍵。本課程「生成式 AI:掌握幕後技術與環境」雖然不直接教授倫理治理,但它可能為數據倫理與治理專家提供重要的背景知識。課程強調建構生成式 AI 解決方案時需考量的「業務因素」,這間接包含了合規性與負責任 AI 的考量。透過對生成式 AI 幕後技術與環境的理解,專家們能夠更好地評估 Google Cloud 生成式 AI 產品組合所帶來的風險與機遇,並制定更有效、更具前瞻性的治理框架,以確保生成式 AI 應用程式在安全、合規和倫理的範圍內運行。
機器學習研究員
機器學習研究員致力於推動機器學習和人工智能理論與應用領域的知識邊界。他們設計新的演算法、進行實驗,並發表研究成果,以改進現有模型或開發全新的人工智能能力。雖然本課程「生成式 AI:掌握幕後技術與環境」主要聚焦於生成式 AI 解決方案的實際應用和 Google Cloud 產品,而非底層演算法的深度研究,但它可能為機器學習研究員提供一個宏觀的視角。課程概述了生成式 AI 幕後技術與環境的各個層級,以及如何從業務角度推動創新。了解 Google Cloud 生成式 AI 產品組合以及其 AI 最佳化基礎架構,可以幫助研究員理解其研究成果在商業環境中的潛在應用場景和平台限制。此職位通常會要求相關領域的博士學位。

Reading list

We've selected 17 books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in 生成式 AI:掌握幕後技術與環境.
這本書直接針對 Google Cloud 的生成式 AI 生態系統進行深入探討,與課程大綱中的 Vertex AI 和 Gemini 產品線高度契合。它詳細說明了如何利用 Google 的基礎架構來部署 AI 模型,是將課程理論轉化為實際操作的最佳參考工具。對於想要了解 Google Cloud 如何整合生成式 AI 代理與應用程式的學習者來說,這是一本不可或缺的技術指南。
這本書專門針對 Google Cloud 的 Vertex AI 平台,詳盡介紹了從模型訓練到部署的每個細節。它與課程大綱中介紹 Vertex AI 的部分完美契合,是目前市面上最深入的專著之一。這是一本極具價值的參考書,適合想要精通 Google AI 堆疊的專業人士。
這本由 O'Reilly 出版的權威書籍深入探討了生成式模型的幕後技術,包括 Transformer 和擴散模型。它能為課程中關於「基礎架構與技術層級」的單元提供深厚的理論支撐。雖然技術性較強,但它是學術界與產業界公認的教科書級作品,適合想深入了解底層演算法的讀者。
這是一本針對工程師的實戰手冊,涵蓋了 LLM 的整個生命週期,包括在雲端環境中的部署。它能為課程中關於「AI 最佳化基礎架構」的技術細節提供深度擴展。這本書是目前產業界對生成式 AI 技術環境最前沿的總結之一。
本書專注於 Google Cloud 平台上的機器學習工程實踐,涵蓋了資料處理與模型部署的完整生命週期。它能幫助學習者理解課程中提到的「AI 最佳化基礎架構」是如何在雲端環境中運作的。對於需要將生成式 AI 整合進現有雲端架構的專業人士來說,這是一本極具參考價值的工具書。
本書強調實際的應用案例與解決方案架構,非常適合課程中關於「決定使用哪個部分」的決策考量。它提供了多種產業的實踐模板,幫助讀者將 Google Cloud 的技術應用到特定業務場景。內容新穎且具備高度的實踐指導意義。
作者為 Google DeepMind 的共同創辦人,其權威性與課程背景高度相關。本書探討了 AI 技術對社會與商業環境的深遠影響,能補充課程中關於「領導者如何駕馭 AI」的宏觀視角。這是一本極佳的延伸閱讀,協助決策者在掌握技術之餘,也能思考環境治理與長期影響。
這本書提供了對大型語言模型(LLM)的快速導覽,非常適合補足課程中關於 Gemini 等模型背後的運作原理。它介紹了提示工程與微調的基礎,能增加學習者對課程中「生成式 AI 代理」單元的技術深度。內容淺顯易懂,是從基礎知識過渡到 Google Cloud 實作的良好橋樑。
由知名科學家 Stephen Wolfram 撰寫,本書深入淺出地解釋了生成式 AI 的數學與邏輯本質。它能為課程提供必要的理論背景,解釋為什麼 LLM 能夠預測下一個字詞。這本書雖然簡短,但能為學員提供對「幕後技術」最根本的認知。
這本書探討了在雲端平台上設計 AI 解決方案的模式,與課程中關於「選擇解決方案時應考量的因素」密切相關。它涵蓋了多種雲端服務的比較,有助於讀者理解 Google Cloud 在競爭環境中的定位。這是一本適合資深開發者或架構師的深度參考書。
生成式 AI 的效能高度依賴於底層數據,這本書介紹了如何在 GCP 上建立高效的數據流水線。它補充了課程中關於「幕後環境」中數據層的知識,這對於建構 RAG 或其他 AI 代理至關重要。這是一本能增加課程內容廣度的實用參考書。
這本書在產業界享有極高聲譽,介紹了建構可靠機器學習系統的架構原則。它能補充課程中關於「AI 堆疊」與「雲端運算平台」如何支援大規模開發的討論。對於想要從系統架構師角度理解生成式 AI 環境的讀者來說,這是一本非常有價值的參考資料。
提示工程是操作生成式 AI 代理的核心技能,這本書提供了系統化的方法。它能補充課程中關於「應用程式與代理」單元的實作技巧。學習如何精確引導模型,能讓學員在實踐課程中的 Google Cloud 產品時獲得更好的成果。
雖然這是一本認證指南,但它對 Google Cloud 基礎架構的細緻描述與課程中「幕後技術與環境」的單元高度相關。它能幫助學習者理解計算引擎、容器化與資料中心如何支撐 AI 模型。對於需要具備雲端架構背景知識的學員來說,這是一本實用的參考工具。
雖然這是一本通用的雲端架構書,但其模式對於理解 Google Cloud 如何構建高可用性的 AI 環境至關重要。它能作為課程中「雲端運算平台」單元的補充材料,解釋背後的設計哲學。這對於想在課程後進一步深造雲端架構的學員非常有用。
作為深度學習領域的聖經,這本書雖然難度較高,但為所有生成式 AI 技術提供了最根本的數學基礎。它被全球學術機構廣泛採用,適合想要徹底掌握「幕後技術」底層細節的學員。雖然不是針對雲端,但其權威性無可取代。

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Similar courses are unavailable at this time. Please try again later.
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2025 OpenCourser