了解如何构建前端 Django 客户端，为 Dialogflow 应用创建对话体验。

了解如何在 Cloud Run 上构建和部署 LangChain 应用

了解如何要求在调用时进行身份验证，从而保护 Cloud Functions 函数

了解如何通过要求调用时进行身份验证来确保 Cloud Run 函数的安全

了解如何迁移 Python 2 App Engine NDB 和任务队列（拉取任务）应用迁移到 Cloud NDB 和Cloud Pub/Sub，然后升级到 Python 3

了解如何迁移 Python 2 App Engine NDB 和用户服务应用到 Cloud NDB 和Cloud Identity Platform，然后升级到 Python 3

了解如何针对 Python 2 App Engine ndb 应用将 Blob 存储区的使用迁移到 Cloud Storage。

了解如何迁移 Python 2 App Engine NDB 和将 Memcache 应用迁移到 Cloud NDB 和Cloud Memorystore (for Redis)，然后升级到 Python 3

在此 Codelab 中，您将学习如何利用 Dataprep、BigQuery 和 Looker 来分析不同零售价的影响，并做出明智的决策来优化产品价格。

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答与专利搜索相关的问题，并以专利数据集真实信息作为来源，提供与上下文相关的结果。

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答客户问题、引导产品发现以及针对电子商务数据集定制搜索结果

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答客户问题、引导产品发现以及针对电子商务数据集定制搜索结果

在此 Codelab 中，您将学习如何创建 AlloyDB 集群、为数据库部署 GenAI Databases Retrieval Service，以及使用该服务创建示例应用。

在此 Codelab 中，我们演示了使用 BigQuery 和 AI Platform Notebooks 在 GCP 中访问和分析临床数据的解决方案。

以 GitHub 提交数据为例，了解 BigQuery 的基础知识以及如何查询 TB 级的公共数据。

了解如何转换简单的 Java App Engine 应用、使用 Buildpack 将其容器化，并将其迁移到 Cloud Run

在此 Codelab 中，您将学习如何构建 C# 服务以通过 gRPC 公开 API，以及如何构建 C# 客户端来调用 gRPC 服务。

在此 Codelab 中，您将构建一个基于 RAG 的矢量搜索应用，该应用旨在根据客户搜索（通过文本和图片）查找匹配的玩具，根据用户请求创建自定义玩具，并使用 AlloyDB、Gemini、Imagen、LangChain4j 和 GenAI 数据库工具箱预测自定义创建的玩具的价格。

在本实验中，您将构建一个 tf.keras，用于使用 TensorFlow 识别欺诈性交易，然后使用 Cloud 的 Explainable AI SDK 解读模型的结果。

在本实验中，您将创建 CDN 分发，并应用 Cloud Armor 规则来保护边缘缓存。

在此 Codelab 中，您将创建负载平衡器和关联的后端服务。然后，您将创建一项 Cloud Armor 速率限制政策，并了解该政策如何保护您的后端。

在此 Codelab 中，我们将实现一种数据注入模式，以使用 Cloud Data Fusion 将 CSV 格式的医疗保健数据加载到 BigQuery 中。

在此 Codelab 中，我们将实现一种数据注入模式，以使用 Cloud Data Fusion 将 CSV 格式的医疗保健数据实时加载到 BigQuery 中。

在此 Codelab 中，您将使用 Cloud KMS 加密和解密数据

在此 Codelab 中，您将使用 Cloud KMS 非对称密钥加密和解密数据。

在此 Codelab 中，您将使用 Cloud KMS 非对称密钥加密和解密数据。

本实验的目标是探索 Cloud NAT 的动态端口分配 (DPA) 功能。

本实验的目标是探索 Cloud NAT 的规则功能。

了解如何使用 Cloud Run 部署网站，为容器化应用带来无服务器的敏捷性。

在此 Codelab 中，您将学习如何创建数据库、为数据库部署 GenAI Retrieval Service，以及使用该服务创建示例聊天应用。

在此 Codelab 中，您将首先学习如何为 HTTP 目标任务创建和使用常规 Cloud Tasks 队列。然后，您将学习如何使用队列级 HTTP URI 替换和新的 BufferTask API 来通过 Cloud Tasks 更轻松地缓冲 HTTP 请求。

了解如何使用 Compute Engine 在 Google Cloud 中托管和扩缩 Web 应用。

开箱即用，Dialogflow 内置了许多针对 Web、Google 助理、社交媒体和电话网关的集成。但是，如果您希望将聊天机器人引入移动设备，则必须创建自定义集成。本实验将介绍如何将 Dialogflow Essentials 集成到 Flutter 应用中。

在这个适合初学者的 Codelab 中，您将熟悉生成器功能。生成器使用 Google 最新的生成式大语言模型 (LLM) 来生成代理响应。在此 Codelab 的上下文中，您将使用生成器从数据存储区提取信息，从而做出明智的决策。

在此 Codelab 中，您将学习如何使用 DLP API 自动对上传到 Cloud Storage 的数据进行分类。基于对上传到 Cloud Storage 的数据进行自动分类

在此 Codelab 中，您将使用 Document AI Warehouse 来提取、处理和搜索文档全文。

在此 Codelab 中，您将使用项目模板工具 dscc-gen 来为数据洞察创建社区可视化图表。

在此 Codelab 中，您将使用 Eventarc 监听 Pub/Sub、Cloud Storage 和 Cloud Audit Logs 中的事件，并将其传递给 Google Kubernetes Engine (GKE) 上运行的 Kubernetes 服务。

在此 Codelab 中，您将构建一个事件驱动型微服务编排，以使用 Eventarc 和 Workflows 处理映像

在此 Codelab 中，您将构建一个知识驱动的上下文瑜伽姿势搜索应用，旨在根据用户的瑜伽姿势问题回答相应问题。还可以执行创建和修改瑜伽姿势等管理任务。

在此 Codelab 中，开发人员使用 G Suite 和 GCP API 在 Python 中构建了基于云的图片处理工作流。具体来说，您将要从 Google 云端硬盘下载图片文件，将其归档到 Google Cloud Storage，使用 Google Cloud Vision 分析其内容，并在 Google 表格中生成报告数据。

在此 Codelab 中，我们将了解如何利用“帮我写”功能为现有服务编写合成监控测试

在此 Codelab 中，我们将介绍现有的快速起步解决方案“AI 摘要”，该解决方案使用 Vertex AI 模型总结已上传到 Google Cloud Storage 的 PDF 文档。我们将使用 Gemini Code Assist 了解该解决方案并为其添加新功能。

在此 Codelab 中，您将使用 Google 文档 API 创建一个 Google 文档，并将音频文件的转写内容写入此文档。您将使用 Speech-to-Text API 获取给定音频文件的文本转录。

在此 Codelab 中，您将创建负载平衡器和关联的后端服务。然后，您将创建一条 Cloud Armor 聊天机器人管理规则，并了解它如何保护您的后端。

本页介绍了如何使用 Dataflow SQL 和创建 Dataflow SQL 作业。

了解如何使用 GKE 部署、扩缩和更新网站。

此 Codelab 介绍了如何使用 Google Cloud 控制台为项目的主账号授予 Identity and Access Management (IAM) 角色。

在此 Codelab 中，您将学习如何使用 Istio 将 ASP.NET Core 应用部署到 Google Kubernetes Engine。

在此 Codelab 中，您将继续构建从第 1 部分开始的 ASP.NET Core 应用，并向其添加更多 Istio 功能。

在此 Codelab 中，您将学习如何构建通过 gRPC 公开 API 的基于 Java 的服务。然后，您将为 gRPC 服务编写 Java 命令行客户端。

了解如何转换简单的 Java App Engine 应用，使用 Jib 将其容器化并迁移到 Cloud Run

在此 Codelab 中，您将使用 Migrate for Anthos 将一个简单的 Web 服务器从 Compute Engine 迁移到 Kubernetes Engine。

在此 Codelab 中，您将学习如何在不使用任何 CLI 命令或 SDK 的情况下，使用 Kubeflow 流水线构建和部署复杂的数据科学流水线。

在此 Codelab 中，您将学习如何构建聊天机器人来轮询聊天室。

OpenTelemetry 是针对跟踪记录和指标实现系统可观测性的业界标准。此讲将分享有关如何使用 OpenTelemetry 对应用指标进行插桩的知识，以及如何在 Cloud Monitoring 和其他监控工具中使用这些指标。

在此 Codelab 中，您将开始使用 Java 中的生成式 AI、集成 PaLM 大语言模型并利用 LangChain4J LLM 编排框架

了解如何使用 Google Compute Engine、Google Deployment Manager 和 Slurm 工作负载管理器预配可动态扩缩的 HPC 集群。

了解如何使用 Spring Resource 抽象访问 Cloud Storage 中的文件。

在本实验中，您将使用 TensorFlow 企业版在 Google Cloud AI Platform 上直接注入 BigQuery 数据集并训练欺诈检测模型。

在本实验中，您将了解如何使用 Vertex AI 解决时间序列问题，涵盖 Notebooks、训练、预测和 BigQuery ML。

在此 Codelab 中，您将使用 Vertex AI Conversation 创建、配置和部署 Data Store Agent 和聊天应用，以回答客户有关 Google 商店中商品的问题。

了解如何在本地机器上的 Visual Studio Code 中编写、部署和调试 Cloud Functions for Node.js 函数。

在本实验中，您将学习如何基于金融数据集训练 XGBoost 模型，将其部署到 Cloud AI Platform，并使用 What-If 工具对其进行分析

在本实验中，您将学习如何基于金融数据集训练 XGBoost 模型，将其部署到 Vertex AI，并使用 What-If 工具对其进行分析

use-cmek-to-encrypt-cloud-functions

在此 Codelab 中，您将学习如何使用 Confidential Space 保护机器学习模型和知识产权

在此 Codelab 中，您将使用 Vertex AI 根据提供的一些规范生成知识问答。您将在云托管的开发者环境中测试测验生成器，然后通过将其部署到 Google Cloud Run 来公开发布。在实验结束时，您需要将测验生成器与一个完整的应用集成。

了解如何使用 bq（一个基于 Python 的 BigQuery 命令行工具）加载和查询数据。

了解如何使用适用于 Cloud Functions 的 Stackdriver Logging 和 Stackdriver Trace。

了解如何转换简单的 Java App Engine 应用、使用 Docker 将其容器化并迁移到 Cloud Run

在本实验中，您将使用 Vertex AI 构建一个在 TensorFlow 中训练自定义 Keras 模型的流水线。然后，我们将使用 Vertex AI Experiments 中提供的新功能来跟踪和比较模型运行，以确定哪种超参数组合可获得较佳性能。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud

在此 Codelab 中，您将学习如何使用 Private Service Connect 来链式 L7 负载平衡器。

在此 Codelab 中，您将学习如何通过 Cloud Functions 函数填充 Google 电子表格，以对上传到 Cloud Storage 的 CSV 文件做出响应。

在此 Codelab 中，您将与用户聊天或询问有关文档的问题、使用 Java 中的生成式 AI、集成 PaLM 大语言模型以及利用 LangChain4J LLM 编排框架

在这个适合初学者的 Codelab 中，您将熟悉生成式回退功能，该功能使用 Google 最新的生成式大语言模型 (LLM) 来生成虚拟客服响应。

在本实验中，您将学习如何使用 AI Platform Notebooks 对机器学习工作流进行原型设计。我们将介绍如何创建自定义笔记本实例、在 Git 中跟踪笔记本代码，以及如何使用 What-If 工具调试模型。

在此 Codelab 中，您将构建并部署一个价格预测应用的 Toolbox，该 Toolbox 使用 Gen AI Toolbox for Databases 服务，并使用 AlloyDB 和生成式 AI 功能。

在此 Codelab 中，您将学习如何在计算虚拟机上部署 AlloyDB Omni、加载数据并使用 AlloyDB Columnar Engine 提升性能

在本实验中，您将了解 GCP 上的完整机器学习工作流：从 BigQuery 提取数据、在 Cloud AI Platform Notebooks 实例中构建 XGBoost 模型，以及将模型部署到 AI Platform。

在本实验中，您将学习如何使用超参数调节在云端训练模型。我们将向您展示如何使用 PyTorch 执行此操作，但您可以在任何想要的框架中执行此操作。

您将使用 Cloud Dataflow，使用 Cloud Dataflow SDK 创建 Maven 项目，并使用 Google Cloud Platform Console 运行分布式工作计数流水线。

本实验将向您介绍如何在 Dataproc 上使用 PySpark 从 BigQuery 加载数据并将其保存到 Google Cloud Storage。

本实验介绍如何使用 Spark MLlib 和 spark-nlp 对大量数据执行机器学习和 NLP。

了解如何使用开源 Lustre Deployment Manager 脚本在 Google Cloud Platform 中部署 Lustre 并行文件系统。

在本教程中，您将学习如何通过 Airflow DAG 在 GKE 上使用 vLLM 训练和运行模型。

在此 Codelab 中，您将使用 Gemini Code Assist，它是 Google Cloud 中的一个 AI 赋能的协作工具。您将学习如何使用 Gemini Chat 和内嵌代码助理来生成代码、理解代码以及执行其他 AI 辅助编码任务。

Microsoft.NET Core 是.NET 的开源跨平台版本，可以原生在容器中运行。.NET Core 可在 GitHub 上获取，并由 Microsoft 和.NET 社区进行维护。本实验将容器化的.NET Core 应用部署到 Google Kubernetes Engine (GKE) 中。 本实验遵循典型的开发模式，在开发者本地环境中开发应用，然后部署到生产环境。在本实验的第一部分中，系统会使用一个在 Cloud Shell 中运行的容器验证一个示例.NET Core

在此 Codelab 中，您将学习如何创建可在 Looker Studio 报告中使用的自定义可视化图表。

在本实验中，您将学习如何在 Vertex Pipelines 上使用 Kubeflow Pipelines SDK 运行自定义模型训练作业。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 5 美元 。 本实验使用 Vertex AI ，这是 Google Cloud 上端到端托管式机器学习平台。Vertex AI 将 Google Cloud 中 Google 的机器学习产品集成到无缝的开发体验中。除了模型训练和部署服务之外，Vertex AI 还包括各种 MLOps

在本实验中，您将使用 Vertex AI 运行一个自定义训练作业。 本实验是 对生产环境进行原型设计 视频系列的一部分。您将使用 Flowers 数据集 构建图片分类模型。您可以观看随附的视频了解详情： 。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将使用 Vertex AI 来通过 TensorFlow 在 Vertex AI Training 上运行分布式训练作业。 本实验是 对生产环境进行原型设计 视频系列的一部分。请务必先完成 之前的实验 ，然后再尝试此实验。您可以观看随附的视频系列以了解详情： 。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud

在此 Codelab 中，您将了解新的外部 HTTPS 负载平衡器中提供的高级流量功能。

在此 Codelab 中，您将了解新的外部 HTTPS 负载平衡器中提供的高级流量功能。

了解如何将 Blob 存储区使用添加到简单的 Python 2 App Engine 应用中

在此 Codelab 中，您将使用 Gemini 中的函数调用来构建一款应用，供用户询问汇率信息、从外部 API 提取最新数据，然后向用户提供答案。

在此 Codelab 中，您将学习如何使用 Encrypt Space 通过多方计算处理数字资产。

了解如何将任务队列拉取任务用法添加到基本的 Python 2 Flask App Engine NDB 应用中。

了解如何将任务队列推送任务用法添加到基本的 Python 2 Flask App Engine NDB 应用中。

了解如何将 Memcache 用量添加到基本的 Python 2 Flask App Engine NDB 应用中。

本实验基于 Dialogflow 中的 fulfillment 概念进行构建。您将学习如何在 BigQuery 中创建数据集和表，然后在 Dialogflow fulfillment 中设置 BigQuery 集成详细信息，并测试对话体验。

在此 Codelab 中，您将学习如何安装和使用适用于 Windows PowerShell 的 Cloud 工具。

了解如何为 Google Chat 构建具有动态卡片响应的自定义 Dialogflow 聊天机器人。

了解如何在没有 Docker 或 Dockerfile 的情况下快速为 Spring Boot Kotlin 应用构建和发布经过优化的 Docker 映像，然后在 Cloud Run 上运行构建的映像。

在本实验中，您将使用 Vertex AI 通过自定义训练模型进行在线预测和批量预测。 本实验是 对生产环境进行原型设计 视频系列的一部分。请务必先完成 上一个实验 ，然后再尝试此实验。您可以观看随附的视频了解详情： 。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将使用 Vertex AI 在 Vertex AI Training 上运行超参数调节作业。 本实验是 对生产环境进行原型设计 视频系列的一部分。请务必先完成 上一个实验 ，然后再尝试此实验。您可以观看随附的视频系列以了解详情： 。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud

在此 Codelab 中，您将学习如何将简单的 ASP.NET Core 应用部署到 Google App Engine

在此 Codelab 中，您将学习如何将 ASP.NET Core 代码转换为在 Google Kubernetes Engine 上的 Kubernetes 上运行的复制应用。

在此 Codelab 中，您将学习如何将 BigQuery 与 Python 搭配使用

在此 Codelab 中，您将增强由 Dialogflow 和 Google 日历提供支持的预约安排程序 Chat 应用，使其能够在 Google Chat 上运行。您将构建和部署自定义 Google Chat 消息。

在此 Codelab 中，我们将实现一种数据注入模式，以使用 Cloud Healthcare FHIR API 将 FHIR - R4 格式的医疗保健数据（常规资源）加载到 BigQuery 中。

在此 Codelab 中，您将学习如何使用 Dataprep 转换 Google 表单调查问卷数据，并将其推送到 BigQuery 中以进行深入分析

在此 Codelab 中，您将学习如何通过 C# 使用 Natural Language API

在本教程中，您将学习如何将 Natural Language API 与 Python 结合使用。

在本教程中，您将学习如何将 Secret Manager 与 Python 搭配使用

在此 Codelab 中，您将学习如何通过 C# 使用 Text-to-Speech API

在此 Codelab 中，您将使用 Text-to-Speech API 和 Node.js，将音频文件转录为

在本教程中，您将学习如何将 Text-to-Speech API 与 Python 搭配使用。

在此 Codelab 中，您将学习如何通过 C# 使用 Translation API

在本教程中，您将学习如何将 Translation API 与 Python 搭配使用。

在本实验中，您将学习如何使用 Vertex ML Metadata 分析 Vertex Pipelines 运行产生的元数据。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个

在此 Codelab 中，您将学习如何通过 C# 使用 Video Intelligence API

在本教程中，您将学习如何在 Python 中使用 Video Intelligence API。

在此 Codelab 中，您将学习如何通过 C# 使用 Google Cloud Vision API。

了解如何将 Vision API 与 Dialogflow 集成。

在本教程中，您将学习如何将 Vision API 与 Python 搭配使用。

本实验将引导您将单体式网站分解成多个微服务，并将其部署到 Google Kubernetes Engine。

在此 Codelab 中，您将学习如何使用 Confidential Space 安全地进行多方数据共享，同时保护数据的机密性。此 Codelab 重点介绍了如何将 Confidential Space 与托管在 Google Cloud 以外位置的受保护资源搭配使用。您将了解如何通过提供 Nonce、受众群体和 PKI 令牌类型，向 Google 认证服务请求自定义令牌。

本指南介绍如何将现有网络负载平衡器从目标池后端转换为区域级后端服务。

在此 Codelab 中，您将学习如何将 Micronaut 微服务转换为在 Google Kubernetes Engine 上运行的复制服务。

在此 Codelab 中，您将了解如何使用 Workflows 的并行迭代功能针对维基百科数据集并行运行 BigQuery 作业。

通过在 Cloud Run 上部署微服务，并加入一场虚拟竞技场，您的微服务将彩虹见证其他微服务，争夺胜利，以此了解 Google Cloud！在此过程中，您将亲身体验如何部署 Kotlin、Java、Go、Python 或 Node.js 微服务，并在此过程中了解容器和 Cloud Run。看看通过不断完善你的算法，你能获得比其他冒险家更多的分数。

在此 Codelab 中，您将构建一个微服务，该微服务将在竞技场中通过向彼此“扔掉”叶子来与其他微服务作战。

了解如何在第 2 代运行时中使用 App Engine 捆绑服务

在此 Codelab 中，您将基于 Google Cloud 无服务器解决方案开发一个 Web API，用于提供书架和图书。您将创建一个用于导入示例数据的 Cloud Functions 函数、一个用于提供可重复使用的后端 Web API 的 Cloud Run 容器，以及一个用于提供用于浏览图书馆的 Web 前端的 App Engine Web 应用。

在此 Codelab 中，您将学习如何使用 Workflows 来编排和自动执行 Google Cloud 服务和基于 HTTP 的 API 服务。

在此 Codelab 中，您将亲身体验一种架构模式，该模式通常用于在处理实时数据时实现扩缩能力和弹性。您将构建一个测量天气数据的 IoT 设备 (Raspberry Pi)，然后使用 Google 的 Cloud Platform 创建一条数据流水线，其中包括消息队列、无服务器函数、云端数据仓库和分析信息中心。

了解如何将 Python App Engine 应用从 webapp2 迁移到 Flask Web 框架。

了解如何将简单的 App Engine 应用从 ndb 迁移到 Cloud NDB。

了解如何使用 Docker 将简单的 App Engine 应用容器化并迁移到 Cloud Run

了解如何从 App Engine ndb 和任务队列迁移到 Cloud NDB 和 Cloud Tasks

在此 Codelab 中，您将设置一个 Google Cloud 项目，以便在后续 Codelab 中使用。您还将学习如何使用 Cloud Shell 修改文件和运行终端命令。

在此 Codelab 中，您将学习如何配置网络负载平衡器，以根据 HTTP 健康检查使用加权负载均衡报告的权重，在负载平衡器的后端实例之间分配流量。

了解如何转换简单的 Python App Engine 应用（或将一个更大的单体式应用拆分为多个微服务），并将其迁移到 Cloud Functions

了解如何将简单的 App Engine 应用从 Cloud NDB 迁移到 Cloud Datastore。

了解如何使用 Cloud Buildpack 将简单的 App Engine 应用容器化并迁移到 Cloud Run。

了解如何将简单的 App Engine 应用从 Cloud Datastore 迁移到 Cloud Firestore。

在此 Codelab 中，您将学习如何利用已签名的容器映像功能来提高机密空间的易用性。

了解如何创建 Google Cloud 项目，在 Google Cloud 控制台中进行设置并熟悉其导航界面，以及在 Cloud 控制台中访问一些最常用的服务。

在此 Codelab 中，您将学习如何将 Python 2 App Engine Cloud NDB 和 Cloud Tasks (v1) 应用迁移到 Python 3、Cloud Datastore 和 Cloud Tasks (v2)

在此 Codelab 中，您将了解 Private Service Connect for Google API。更具体地说，您将为 Storage API 创建服务端点、创建 Cloud Storage 存储分区，以及执行验证。

在此 Codelab 中，您将学习如何使用用户定义的规则配置 Cloud Armor 网络边缘安全政策

在此 Codelab 中，您将学习如何使用 Dataproc 启动托管式 Spark/Hadoop 集群、提交示例 Spark 作业，以及使用命令行关停集群。

在此 Codelab 中，您将学习如何使用 Confidential Space 保护多方数据共享和机密性

在此 Codelab 中，您将学习如何通过 Google Cloud Shell 构建和启动 ASP.NET Core 应用，而无需离开浏览器。

在此 Codelab 中，您将学习如何将 AlloyDB 集群连接到通过 VPN 连接的单独网络中部署的 Oracle 数据库。

在本实验中，您将使用 Vertex AI 从预训练的图片分类模型获取预测结果。 您将了解如何： 在 Google Cloud 上运行本实验的总费用约为 $1 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API 中。您还可以将现有项目迁移到 Vertex

了解 Dialogflow 中的 fulfillment 概念。

在此 Codelab 中，您将学习如何在 Kubeflow 流水线上构建和部署具有超参数调节的复杂数据科学流水线，而无需使用任何 CLI 命令或 SDK。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Node.js 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您需要将用于插入、更新、读取和删除数据的常用 Cassandra 查询与使用 Java 客户端的 Cloud Bigtable 等效查询进行比较。

在此 Codelab 中，您将学习如何为全球外部应用负载均衡设置高级负载均衡优化功能。

在此 Codelab 中，您将学习如何将 AlloyDB AI 与向量搜索结合使用，并为向量数据创建索引

在此 Codelab 中，您将构建一个微服务，该微服务将在竞技场中通过将 jamón 相互“抛射”其他微服务来与其他微服务竞争。

在此 Codelab 中，您将构建一个微服务，该微服务通过在竞技场中向彼此“扔”桃子来与其他微服务作战。

在此 Codelab 中，您将使用 BigQuery 网页界面了解 BigQuery 中的分区和聚类

在此 Codelab 中，您将学习如何使用 BigQuery 为 Analytics 360 数据集创建机器学习模型。

在此 Codelab 中，您将了解 C# 中的 Google Cloud Run 函数。具体而言，您将部署 C# 函数来响应来自各种 Google Cloud 来源的 HTTP 和 CloudEvent。

在此 Codelab 中，您将了解 Google Cloud Armor 的已命名 IP 地址列表。具体而言，您将在安全政策中配置已命名的 IP 地址列表，并验证连接。

在此 Codelab 中，您将创建一个具有后端服务的 TCP/SSL 代理负载平衡器，并使用 Cloud Armor 限制只有一组特定用户客户端可以访问该负载平衡器

在此 Codelab 中，您将创建一个具有后端服务的 TCP/SSL 代理负载平衡器，并使用 Cloud Armor 限制只有一组特定用户客户端可以访问该负载平衡器

在此 Codelab 中，您将了解 Cloud Armor 的预配置的 WAF 规则，通过规则集的简单名称，您可以防范 10 个最主要的 OWASP 漏洞。

在此 Codelab 中，您将通过 Java HBase 客户端了解 Cloud Bigtable。您将加载数据，然后运行一些查询并在地图上绘制数据。

本实验介绍如何使用可选组件和组件网关在 Cloud Dataproc 上设置 Apache Spark 和 Jupyter 笔记本。

开始使用 Cloud Functions，这是 Google 用于构建和连接云服务的无服务器执行环境。本实操实验将向您介绍如何使用 Google Cloud 控制台创建、部署和测试 Cloud Functions 函数

在此 Codelab 中，您将了解 Google Cloud Functions（第 2 代）。更具体地说，您将部署响应 HTTP 调用、Pub/Sub 消息、Cloud Storage 事件和 Cloud 审核日志的函数。

在此 Codelab 中，您将了解 Google Cloud Operations Suite。本实验将介绍如何使用 gcloud 安装示例应用。部署示例应用后，您可以使用 Cloud Monitoring 来定义信息中心、提醒、拨测等。

在此 Codelab 中，您首先要探索 Node.js 应用，了解如何截取网页屏幕截图并将其存储到 Cloud Storage 中。然后，您将为该应用构建容器映像，以作业的形式在 Cloud Run 上运行应用，更新作业以处理更多网页，然后使用 Cloud Scheduler 按计划运行该作业。

在此 Codelab 中，您首先要探索 Node.js 应用，了解如何截取网页屏幕截图并将其存储到 Cloud Storage 中。然后，您将为该应用构建容器映像，以作业的形式在 Cloud Run 上运行应用，更新作业以处理更多网页，然后使用 Cloud Scheduler 按计划运行该作业。

在此 Codelab 中，您将学习如何使用具有提交时间戳列的 Cloud Spanner 数据库表创建游戏排行榜。

在此 Codelab 中，您将学习如何使用具有提交时间戳列的 Cloud Spanner 数据库表创建游戏排行榜。

Cloud SQL Insights 可帮助您检测、诊断和阻止 Cloud SQL 数据库的查询性能问题。它提供自助式、直观的监控和诊断信息，不仅仅是检测，可帮助您找出导致性能问题的根本原因。 在此 Codelab 中，您将学习如何设置 Cloud SQL for PostgreSQL 实例，部署 Node.js 应用以将 Cloud SQL 实例用作后端存储，然后使用 Cloud SQL Insights 查看和监控查询。 请记住您正在使用的项目的 ID。此 Codelab 稍后将在

在此 Codelab 中，您将学习如何将 Cloud SQL AI 集成与向量搜索结合使用，并在向量数据上创建索引

了解如何使用 Dialogflow CX（一种用于构建虚拟客服的对话式 AI 平台 [CAIP]）构建零售聊天机器人

在此 Codelab 中，您将了解 Events for Cloud Run。更具体地说，您将监听来自 Cloud Pub/Sub、审核日志、Cloud Storage、Cloud Scheduler 的事件，以及如何生成/使用自定义事件。

在本实验中，您将学习如何在 Google Cloud 中构建从端到端数据到 AI 的系统，以实现实时欺诈检测。学习的目标是了解如何基于原始数据设计可在 Google Cloud 上运行的生产型机器学习流水线。本实验使用以下 Google Cloud 产品： 构建端到端机器学习流水线可能颇具挑战性。在本实验中，您将学习如何使用 BigQuery 和 Vertex AI 等 Google Cloud 服务来构建和扩缩端到端机器学习流水线。我们将带您了解如何在生产环境中基于原始数据设计

使用 Gemini Code Assist 为您的代码编写测试

Spring Native 是一个新兴项目，将进入 Spring 6.x 和 Spring Boot 3.x 的主线，这意味着现在是发布前几个月熟悉它的最佳时机。

在此 Codelab 中，您将启动虚拟机、安装软件，并通过网络负载平衡器将虚拟机提供给互联网，从而熟悉 Google Compute Engine。

在此 Codelab 中，您将以无服务器方式部署和运行无状态容器（而无需操心基础架构），从而学习如何开始使用 Cloud Run。Cloud Run 提供全代管式选项，还能够在 GKE 集群上运行。

在此 Codelab 中，您将与用户聊天，提出有关文档的问题，或通过函数调用来扩展模型、使用 Java 中的生成式 AI、在 Vertex AI 上集成 Gemini 大语言模型以及利用 LangChain4j 框架

在此 Codelab 中，您将使用 GKE 设置 Cloud AI Platforms 流水线安装（托管 KFP），使用 Kubeflow 流水线构建和运行机器学习工作流，并在 AI Platform Notebook (Jupyter) 中定义和运行流水线。

在此 Codelab 中，您将学习如何在 GKE 集群上部署 AlloyDB Omni、将 I 模型部署到同一集群、在 AlloyDB Omni 中注册该模型，并使它们协同工作

在此 Codelab 中，您将学习如何在 Google Cloud Platform 上部署代管式 Active Directory

在本教程中，您将使用 Python 构建 HTTP Cloud Functions 函数。

在此 Codelab 中，您将创建具有后端服务的 TCP/SSL 负载平衡器，并限制只有一组特定的用户客户端可以访问该负载平衡器。

在此 Codelab 中，您将学习如何在 100 行 Python / Keras 代码中让计算机以 99% 的准确率识别手写数字，

在本实验中，您将学习如何使用 Vertex AI Workbench 进行数据探索和机器学习模型训练。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，您将学习如何使用 Vertex AI Workbench 配置和启动笔记本执行作业。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，您将使用 Vertex AI ，用表格式数据训练和部署一个模型。这是 Google Cloud 中提供的最新 AI 产品，目前处于预览版阶段。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 22 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将使用 Vertex AI 为 TensorFlow 模型运行一项多工作器训练作业。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 5 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，您将学习如何使用 Vertex AI 进行超参数调节和分布式训练。虽然本实验使用 TensorFlow 构建模型代码，但相关概念也适用于其他机器学习框架。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 6 美元。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将学习如何使用自动打包功能在 Vertex AI Training 上运行自定义训练作业。Vertex AI 上的自定义训练作业使用容器。如果您不想构建自己的映像，可以使用自动打包功能，该功能会根据您的代码构建自定义 Docker 映像，将映像推送到 Container Registry，并基于该映像启动 CustomJob 。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 您将使用 Hugging Face 中的库，基于 IMDB 数据集

在本实验中，您将使用 Vertex AI 中的 共同托管模型功能 在同一虚拟机上托管多个模型，以进行在线预测。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，您将使用 BigQuery Machine Learning 训练模型，然后将该模型导出并部署到 Vertex AI 。这是 Google Cloud 上最新的 AI 产品。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将学习如何在 Vertex AI 上使用自定义预测例程编写自定义预处理和后处理逻辑。虽然此示例使用的是 Scikit-learn，但自定义预测例程也可以与 XGBoost、PyTorch 和 TensorFlow 等其他 Python 机器学习框架搭配使用。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud

在本实验中，您将使用 Vertex AI 在自定义容器中使用代码训练和部署 TensorFlow 模型。 虽然我们在此处使用 TensorFlow 构建模型代码，但您可以轻松将其替换为其他框架。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将学习如何使用 Vertex Pipelines 创建和运行机器学习流水线。 您将了解如何： 在 Google Cloud 上运行本实验的总费用约为 25 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，我们将创建一个 VPC Service Controls 边界，并用其保护项目。然后，我们会引发 VPC Service Controls 入站流量违规，并逐步介绍排查拒绝事件的过程。完成本实验后，您将对如何使用 VPC Service Controls 保护您的资源有了更深入的了解。

在本实验中，我们将创建一个 VPC Service Controls 边界，并使用它来保护项目。然后，我们将引发 VPC Service Controls 出站流量违规，并通过创建出站规则来演示对拒绝进行问题排查的过程。完成本实验后，您将对如何使用 VPC Service Controls 保护您的资源有了更深入的了解。

In this codelab, you’ll learn about Cloud Profiler, a tool for continuous collection and analysis of the performance data from production environments with low overhead.

Terms and Conditions for Battle Jamón

In this codelab, you’ll build a Spring application using Kotlin and integrate with several Google Cloud Platform technologies, such as Cloud Pub/Sub and Cloud SQL.

In this codelab, you’ll learn how to build and run a Slack bot on Google Cloud. It uses Cloud Run, a fully managed compute platform that automatically scales your stateless containers.

Learn to create a simple chatbot by using Dialogflow.

In this lab, you’ll learn about how to train and deploy a forecasting model using AutoML in Vertex AI.

Learn to build and launch a Spring Boot Java app from Cloud Shell without ever leaving your browser.

Learn to cache data from a Spring Boot app with Memorystore.

In this codelab, you’ll create a new Compute Engine instance, compile and run a program to calculate pi to millions of decimal places.

Learn how to create a Google Cloud project, and then call an API from within that project.

In this codelab, you will learn about Cloud IDS. More specifically, you will create a Cloud IDS endpoint, generate threat traffic, and analyze the results.

In this codelab, you’ll build a basic Java application that uses Hibernate to persist data in Cloud Spanner.

In this codelab, you’ll learn how to use Terraform to create and manage Google Cloud Spanner resources.

In this codelab, you learn how to create a gaming leaderboard using a Cloud Spanner database table with a commit timestamp column.

In this codelab, you’ll create a Google Cloud Spanner instance, an empty database, and learn how to load sample data and query it.

Learn to connect your Spring Boot app to Cloud SQL.

In this codelab, you’ll setup a connection between a Compute Engine instance and Cloud SQL within Google’s private internal network using the Cloud SQL Proxy.

In this codelab, you’ll setup a simple connection to a Cloud SQL instance accessible from anywhere.

Learn to continuously deploy containerized workloads to GKE with Cloud Build.

Learn to build a simple Spring Boot app and deploy it to App Engine standard environment.

Learn to deploy a Spring Boot Java app to Kubernetes on GKE.

Learn to deploy and run a container with Cloud Run on Node.js.

In this code lab, you learn how to deploy a simple ASP.NET app to a Windows Server on Google Compute Engine

In this code lab, you’ll learn how to create a Google Compute Engine virtual machine with Windows Server and the ASP.NET Framework.

In this codelab, you will build simple Spring Boot microservices and add distributed tracing capabilities using Spring Cloud GCP Trace starter that stores trace data on Cloud Trace.

In this codelab, you will learn how to use Document AI Workbench to create fully customized models using your own training data.

In this codelab, you will learn how to use Document AI Uptraining to improve model quality using your own training data.

In this codelab, you will learn how to use Document AI Human in the Loop to complete Human Review tasks with Specialized Processors.

Learn to enhance your Action with features that keep users coming back to it.

In this codelab, you will learn how to use the Document AI Form Parser to parse a handwritten form with Python. We will use a simple medical intake form as an example, but this procedure will work with any generalized form supported by DocAI. This

In this tutorial, you will learn how to build a simple web app with Python on Google App Engine.

In this codelab, you will learn how to connect to computing resources hosted on Google Cloud Platform via the web.

In this tutorial, you’ll learn how to get started with Cloud Run by deploying and running a stateless container serverless-ly (with the infrastructure abstracted away). Cloud Run offers a fully-managed option as well as the ability to run on top of a GKE cluster.

In this code lab, you learn how to install and use Cloud tools for Visual Studio.

In this tutorial, you will learn to manage Document AI processors with Python.

In this codelab, you’ll build two Spring Boot applications that exchange messages through Spring Integration, using Google Cloud Pub/Sub on the background.

In this codelab, you will perform Optical Character Recognition (OCR) of PDF documents using Document AI and Python. You will explore how to make both Online (Synchronous) and Batch (Asynchronous) process requests.

In this code lab, you create a Cloud Function that runs image analysis using Vision API in response to Cloud Storage events and saves the analysis results in a Firestore collection.

In this code lab, you create a Cloud Function (Java) that runs image analysis using Vision API in response to Cloud Storage events and saves the analysis results in a Firestore collection.

In this code lab, you create a Cloud Run service that creates thumbnails of pictures in response to Cloud Storage events passed through a Pub/Sub topic.

In this code lab, you create a Cloud Run service triggered by Cloud Scheduler on a regular time interval to create a collage of the most recent pictures.

In this codelab, you create a web frontend on Google App Engine that lets users upload pictures, browse the uploaded pictures, their thumbnails and the latest collage.

In this code lab, you create a new Cloud Run service that is triggered by Eventarc when an image is deleted in Cloud Storage. In turn, the service deletes the image thumbnail in Cloud Storage and metadata in Firestore collection.

In this code lab, you create an orchestrated version of Pic-a-daily using Workflows

In this codelab, you will learn about Private Service Connect for Google APIs. More specifically, you will create a service endpoint for storage APIs, create a cloud storage bucket & perform validation using DNS.

In this code lab, you’ll learn the basics of BigQuery and how to use it to query terabytes of data, like the Wikipedia dataset.

In this codelab, you will build simple Spring Boot microservices and retrieve secrets / configuration values stored in Secret Manager.

In this codelab, you will learn how to route Datadog monitoring alerts to Google Cloud with Eventarc.

In this codelab, you will learn how to respond to Datadog monitoring alerts with Eventarc and Workflows

Learn how to search for and select Google APIs, and view their metrics.

Demonstrates how to use Binary Authorization secure your GKE cluster by requiring all containers to be verified and signed by trusted attestors as a part of the build/deploy process

In this codelab, you will learn how to use Procurement DocAI and Lending DocAI to classify and parse specialized documents.

In this codelab, you will learn how to use Spring Cloud GCP to write and read objects from Datastore

In this codelab, you will learn how to use Spring Cloud GCP to write and read data from a Cloud Spanner database.

In this codelab, you will learn about the main features of Eventarc.

This CodeLab demonstrates use of Gemini for Google Cloud to accelerate troubleshooting and issue remediation. You will get familiar with Gemini in summarizing logs, explaining errors and assisting in finding solutions for the problem.

Learn about entities in Dialogflow.

In this codelab you will create a web application, restrict access to only specified groups of users, use the authenticated user’s identity in the program

In this codelab, you will learn how to use BigQuery with C#

In this codelab, you will learn how to use BigQuery with the Node.js client library

In this codelab, you will learn how to use an External HTTP(s) Hybrid Load Balancer to reach a Network Endpoint Group (NEG).

Setting up and running a notebook with interactive Beam

In this codelab, you will learn how to use Private Service Connect to publish and consume services.

In this codelab, you will learn how to use Private Service Connect to Publish and Consume services in a GKE environment

In this codelab, you will learn to use the Speech-to-Text API with C#

In this codelab, you will transcribe an audio file to using the Speech-to-Text API with Node.js

In this tutorial, you will learn to use the Speech-to-Text API with Python.

The focus of this demo is you can use Vertex AI to train and deploy a ML model. It assumes that you are familiar with Machine Learning even though the machine learning code for training is provided to you. You will use Datasets for dataset creation

In this lab, you'll use Vertex AI to run a hyperparameter tuning job for a TensorFlow model. While this lab uses TensorFlow for the model code, the concepts are applicable to other ML frameworks as well. You'll learn how to: The total cost to run

In this codelab, we demonstrate a solution to access and visualize clinical data stored in BigQuery using Looker.

In this codelab, you will learn how to connect your BigQuery data to Data Studio, and develop different visualization types based on the structure of your data. This includes visualizations that leverage Data Studio’s new support for Google maps.