Google DeepMind 與頂尖學府倫敦大學學院（University College London，UCL） 合作，推出一套完全免費、大學層級的技術課程 AI Research Foundations。課程由 Gemini 專家領導授課，主要教導如何提升程式碼品質及微調模型等方法。這套課程現已於 Google Skills 平台開放，完成者可獲得官方數位徽章，助攻個人履歷。
這套課程屬於大學層級的技術課程，內容聚焦於：
- 深入理解 Transformer 架構（現代語言模型的核心技術）
- 學習如何建立與微調大型語言模型 (LLMs)
- 採用實作導向教學，結合理論與實際操作
- 著重在負責任的 AI 研究技術 (Responsible AI)
官方數位徽章認證：履歷加分利器
學員使用 Google 帳號登入 Google Skills 平台即可開始上課，完成課程後將獲得 Google Course Badge 官方數位徽章。此徽章是證明學員具備該 AI 技能與知識的證明，可直接整合至 LinkedIn，或匯出為圖片、PDF，上傳到其他履歷平台。
這系列課程目前開放三堂課，以下為各門課的重點整理：
Build Your Own Small Language Model
時長：6小時
這門課是 AI Research Foundations 課程系列中的第一堂課，主要教導語言模型的基本原理與實作方法。
- 學習語言模型（Language Models, LMs）的運作原理，並了解從 傳統 n-gram 模型到現代 Transformer 架構 的發展演進。
- 在課程的編碼實驗（coding labs）中，學員會親自動手建立一個小型語言模型，從資料處理到文字生成，理解模型如何學習語言模式與生成內容。
- 介紹機器學習研發流程 (ML development pipeline)，包括模型訓練、評估與部署的觀念。
- 透過真實案例，指導學員如何以「負責任的 AI」方式，將這些模型應用在解決社會與社群問題上。
Represent Your Language Data
時長：4小時
這是第二門課程，主要教導 AI 與語言模型開發者掌握資料前處理與語言表示的核心概念
- 學習如何準備文字資料以供語言模型處理。
- 探討文字資料的結構化與表示方式，著重於 tokenization（分詞） 與 embeddings（詞向量） 的技術。
- 批判性地思考資料準備過程中可能導入的 偏見（bias） 問題。
- 學習如何操作向量與矩陣，理解語言模型如何表示語意。
- 最後實踐使用 Data Cards 方法設計一個具有倫理考量與透明度的資料集，確保 AI 發展能符合社群公正與責任原則。
圖／ Gemini生成
Design And Train Neural Networks
時長：4小時
這是 AI Research Foundations 系列的最後一堂課，主要著重於神經網路訓練過程的理論與實作。
- 認識模型訓練中常見的問題，例如過擬合（overfitting）與欠擬合（underfitting），並學會如何避免這些情況。
- 在實作實驗室中，編碼與測試多層感知器（Multilayer Perceptron, MLP），用於簡單分類任務，體驗反向傳播演算法（backpropagation）的運作原理。
- 透過實際研究案例理解神經網路如何支撐現實世界的應用，例如影像辨識或語音系統。
- 探討AI 技術的社會影響與倫理風險，如創新背後的潛在安全與社會問題，培養科技責任思維。
