#Vertex AI
找到 34 篇文章
Google Cloud 產品改名後，舊文件要怎麼查？
教學寫 Stackdriver，主控台卻是新名字？整理常見產品名稱變化，以及查舊資料時的對照方式。
GCP 資料與 AI 服務怎麼接？從資料進來到模型回答
Pub/Sub、Dataflow、BigQuery，加上兩個已改名的服務 Managed Service for Apache Spark（原 Dataproc）和 Agent Platform（原 Vertex AI），各做什麼？沿著一筆...
Gemini＋Imagen 圖片應用：生成只是中間一步
從意圖、素材權利與安全政策，到圖片模型選擇、非同步生成、人工審核與資產治理，設計真正能上線的圖片應用
AI Agent 安全：別只叫模型「不要洩密」
從 Prompt Injection、工具越權與資料外洩，到 Model Armor、IAM、VPC Service Controls 和人工核准的分層防禦
Generative Playbooks：該用 Flow 還是 Playbook？
從目標、指令、範例、參數到工具護欄，判斷客服流程何時該用 Playbook、何時應留在確定性的 Flow
企業資料庫 AI Agent：NL2SQL 不等於直接執行
從 QueryData、Schema 語意層到唯讀 View、查詢驗證與人工核准，讓 Agent 能問企業資料，又不繞過既有資料權限
Agent Assist 與 GenAI：讓客服建議來得及又可信
從即時轉錄、知識檢索、客服審核到通話後摘要，建立有引用、守權限、能量測延遲與品質的 Agent Assist 流程
部署多代理系統：先確認真的需要拆
用 ADK 設計循序、平行與動態委派流程，建立可驗收的交接契約、狀態邊界與故障隔離，再部署到 Agent Runtime（原 Agent Engine）
Gemini Enterprise 入門：從 Agentspace 到企業代理入口
釐清 Gemini Enterprise app 與 Gemini Enterprise Agent Platform 的定位，從身分、連接器、同步、ACL 到引用驗證，安全接上企業資料
Agent Development Kit：從工具呼叫到可部署 Agent
用 ADK 把模型、工具、Session 與 Runner 組成可測試的 Agent，並補齊權限、錯誤處理、評估與部署前檢查
負責任 AI：隱私與安全
沿著資料生命週期做好最小化、去識別、權限與輸入輸出防護，並釐清差分隱私、聯邦學習與 Google Cloud 安全工具的邊界
圖片說明生成模型
理解圖片說明生成的技術原理、視覺 Encoder 與語言 Decoder 如何協作，並學會依需求選擇 Cloud Vision、Gemini 或專用模型
Transformer 與 BERT 模型
拆解 Transformer 的共同積木，理解 BERT 的雙向編碼器與原始預訓練方法，並比較常見架構適合的任務
Agent Platform（原 Vertex AI）+ Flutter 打造 AI Agent
把 AI 功能放進 Flutter App，哪些事能在手機上做、哪些要交給後端？從權限、弱網路和資料流看架構。
圖片生成技術導論
認識圖片生成的核心技術原理，從 GAN 到 Diffusion Model，理解 Google Imagen 的架構與應用場景
Google Cloud AI/ML 工具怎麼選
現成 API、AutoML、自訂模型該選哪個？從資料、控制需求和維運能力整理 Google Cloud 的工具。
GenAI 從輸入到回答：幾個基本概念
文字送進模型後發生什麼事？從 Token、Embedding 到推論，沿著資料流認識生成式 AI。
BigQuery ML 推論實戰
模型訓練好之後，怎麼對新資料做預測？比較 BigQuery ML 原生模型、匯入模型與遠端模型的用法。
Gemini API 搭配 Agent Platform（原 Vertex AI）探索 GenAI
想把 Gemini 接進自己的程式？先用圖形介面試提示，再看 API 怎麼處理文字與圖片。
Agent Platform（原 Vertex AI）機器學習解決方案
現成 API 和 BigQuery ML 不夠用時，模型要怎麼訓練、部署和追蹤？從 Agent Platform 的幾條路徑開始看。
BigQuery ML 建模實戰
資料已經在 BigQuery，能不能直接用 SQL 做預測？從建模、評估到預測，試一次 BigQuery ML。