Google Developers Codelabs 提供引導式教學課程,讓您親身體驗程式設計。大多數程式碼研究室都會逐步引導您建構小型應用程式,或者為現有應用程式新增功能。他們 涵蓋 Android Wear、Google Compute Engine 等 ARCore 和 Google API。

GitHub 上的程式碼研究室工具

篩選條件:

選擇主題
選擇產品
選擇事件

41 分鐘

Updated 2025年3月10日

瞭解如何使用 Firebase Genkit,透過熟悉的應用程式開發技能和工具,建構生成式 AI 功能。

Updated 2025年3月10日

在 Google Cloud Platform 上開發名為「Aidemy」的功能性 AI 輔助教學系統,展示多代理系統的強大功能。在 Google Cloud 上設計、建構及部署複雜的多代理系統,掌握 LLM 應用程式開發的關鍵概念,並瞭解事件導向架構的優點,累積實務經驗。

22 分鐘

Updated 2025年3月10日

在本實驗室中,您將瞭解如何使用 BigQuery 機器學習推論功能搭配遠端模型 (Gemini 模型),分析電影海報圖片並產生這些海報的摘要。

45 分鐘

Updated 2025年3月7日

在本程式碼研究室中,您將學習如何使用 Google Cloud 強大的工具和基礎架構,建構及部署生成式 AI 代理程式。我們將介紹基本概念,並逐步引導你完成初始步驟,讓第一位服務專員順利執行服務。

Updated 2025年3月7日

在本程式碼研究室中,您將瞭解如何使用 Trusted Space 解決方案,透過加速器執行 AI/ML 工作負載。

Updated 2025年3月6日

Cloud Run 是一個全代管運算平台,讓您能直接在可擴充的 Google 基礎架構上執行程式碼。本程式碼研究室將示範如何將 Cloud Run 上的 Next.js 應用程式連結至 PostgreSQL 適用的 Cloud SQL 資料庫。 本實驗室的學習內容包括: 在終端機中啟用 API: 如果出現授權提示訊息,請點選「授權」 繼續操作。 這個指令可能需要幾分鐘才能完成,但最終應該會顯示類似以下的成功訊息: 建立並設定 Cloud Run 可使用的 Google Cloud

Updated 2025年3月6日

本程式碼研究室將說明如何使用邏輯迴歸,瞭解性別、年齡層、曝光時間和瀏覽器類型等特徵,與使用者按下廣告的可能性有多大的關聯。 如要完成這個程式碼研究室,您需要足夠的高品質廣告活動資料來建立模型。 首先,請選取含有大量高品質資料的舊廣告活動。要是不確定哪個廣告活動含有最佳品質的資料,不妨針對時間最早且可存取的整月資料執行以下查詢: 選取較舊的資料後,您就能針對即將從廣告資料中心移除的資料訓練及測試模型。如果這項資料受到模型訓練限制,資料刪除後,這些限制就會結束。

Updated 2025年3月6日

本程式碼研究室將說明如何使用邏輯迴歸,瞭解性別、年齡層、曝光時間和瀏覽器類型等特徵,與使用者按下廣告的可能性有多大的關聯。 如要完成這個程式碼研究室,您需要足夠的高品質廣告活動資料來建立模型。 首先,請選取含有大量高品質資料的舊廣告活動。要是不確定哪個廣告活動含有最佳品質的資料,不妨針對時間最早且可存取的整月資料執行以下查詢: 選取非近期資料後,您就能針對即將從廣告資料中心移除的資料訓練及測試模型。如果這項資料受到模型訓練限制,資料刪除後,這些限制就會結束。

Updated 2025年3月6日

本程式碼研究室將說明如何使用線性迴歸建立模型,以便預測單次點擊出價。 如要完成這個程式碼研究室,請務必符合以下條件: 如要完成這個程式碼研究室,您需要足夠的高品質廣告活動資料來建立模型。 執行下列查詢 最佳做法是將資料表建立步驟與模型建立步驟分開。 請針對您在上一個步驟建立的暫存資料表,執行以下查詢。請放心,您不用提供開始和結束日期,系統會根據暫存資料表的資料推斷這兩項資訊。 資料列 mean_absolute_error mean_squared_error

Updated 2025年3月6日

本程式碼研究室將說明如何使用線性迴歸建立模型,以便預測單次點擊出價。 如要完成這個程式碼研究室,您需要足夠的高品質廣告活動資料來建立模型。 執行下列查詢 最佳做法是將資料表建立步驟與模型建立步驟分開。 請針對您在上一個步驟建立的暫存資料表,執行以下查詢。請放心,您不用提供開始和結束日期,系統會根據暫存資料表的資料推斷這兩項資訊。 資料列 mean_absolute_error mean_squared_error mean_squared_log_error