Моделі та платформи ШІ

Навчіться Генеративного ІІ з допомогою Google

mm
Опубліковано
Оновлено
Додайте Unite.AI до бажаних джерел у Google
Learn Generative AI With Google

Екосистема штучного інтелекту (ШІ) розвивалася швидко за останні п’ять років, а Генеративний ШІ (ГШІ) очолює цю еволюцію. Фактично, ринок Генеративного ШІ очікується вирости до $36 мільярдів до 2028 року, порівняно з $3,7 мільярдами у 2023 році.

Сьогодні Генеративний ШІ впливає на багато галузей, таких як охорона здоров’я, маркетинг, мода та розваги, оскільки генератори ШІ, такі як генератори зображень ШІ та генератори відео ШІ, показали нам потенціал заміни ручних завдань людини. Однак просування в цій галузі вимагає спеціалізованого навичок ШІ.

Отже, щоб зробити навчання легшим для ентузіастів ШІ, Google (GOOGL ) запустила 10 безплатних курсів з Генеративного ШІ. Перед тим, як ми обговоримо їх, давайте коротко розглянемо, що таке Генеративний ШІ.

Що таке Генеративний ШІ та чому вивчення Генеративного ШІ важливо?

Генеративний ШІ – це спеціалізована галузь ШІ, яка зосереджена на створенні моделей, які можуть генерувати новий реалістичний контент, такий як зображення, текст, аудіо чи відео, за допомогою існуючих даних зразків.

Наприклад, моделі, такі як ChatGPT та DALL-E, є видатними прикладами Генеративного ШІ, оскільки ми зараз спостерігаємо їхнє реальне застосування. ChatGPT інтегрований у пошукову систему Bing, тоді як Edge браузер тепер включає DALL-E.

Як Генеративний ШІ еволюціонує, актуальність цього технології стала важливою з кількох причин:

  • Забезпечує продуктивність бізнесу, ефективність витрат та підвищення ефективності.
  • Сприяє експериментам та творчості.
  • Підтримує співробітництво людини та ШІ та розширює можливості людини.
  • Дозволяє інноваційні стратегії вирішення проблем.

Тепер давайте розглянемо, як Google допомагає учням вивчати Генеративний ШІ.

10-курсова навчальна програма Генеративного ШІ Google

1. Введення у Генеративний ШІ

Рівень складності курсу: Початковий рівень

Час завершення: ~ 45 хвилин

Попередні знання: Ні

Що будуть вивчати ентузіасти ШІ?

  • Що таке Генеративний Штучний Інтелект, як він працює, які його застосування та як він відрізняється від стандартних методів машинного навчання (МН)?
  • Охоплює інструменти Google для створення власних додатків Генеративного ШІ.
  • Ви також дізнаєтеся про типи моделей Генеративного ШІ: унімодальні або мультимодальні, у цьому курсі. Унімодальні системи приймають тільки один тип входу, тоді як мультимодальні системи можуть приймати більше одного типу входу.

2. Введення у великі мовні моделі

Рівень складності курсу: Початковий рівень

Час завершення: ~ 45 хвилин

Попередні знання: Ні

Що будуть вивчати ентузіасти ШІ?

  • Цей курс досліджує ВММ (Великі Мовні Моделі) – моделі ШІ, навчені на великих обсягах текстових даних. “Bard AI Google” – це чудовий приклад ВММ, який робить можливим просунуте взаємодію людини та машини.
  • Понять, як ВММ використовуються для аналізу настрою.
  • Дізнаються про настройку промпта, завдяки якій промпти, надані мовній моделі, уточнюються для досягнення бажаного виходу.
  • Охоплює інструменти, які Google надає для розробки Генеративного ШІ.

3. Введення у відповідальний ШІ

Рівень складності курсу: Початковий рівень

Час завершення: ~ 1 день (Завершіть тест/лабораторну роботу у свій час)

Попередні знання: Ні

Що будуть вивчати ентузіасти ШІ?

4. Основи Генеративного ШІ

Рівень складності курсу: Початковий рівень

Час завершення: ~ 1 день (Завершіть тест/лабораторну роботу у свій час)

Попередні знання: Ні

Що будуть вивчати ентузіасти ШІ?

  • Містить весь контент з попередніх трьох курсів.
  • Містить остатній тест, завдяки якому ви можете продемонструвати своє розуміння фундаментальних концепцій Генеративного ШІ.

5. Введення у генерацію зображень

Рівень складності курсу: Початковий рівень

Час завершення: ~ 1 день (Завершіть тест/лабораторну роботу у свій час)

Попередні знання: Знання МН, Глибокого навчання (ГН), Конволюційних нейронних мереж (КНМ) та програмування на Python.

Що будуть вивчати ентузіасти ШІ?

  • У цьому курсі ви дізнаєтеся про дифузійні моделі, їх роботу та реалізацію.
  • Понять, що таке необумовлені дифузійні моделі.
  • Покращення текстово-зображенних дифузійних моделей.
  • Навчання та розгортання цих моделей на Vertex AI – повністю керованій платформі МН Google.

6. Архітектура Кодувальник-Декодувальник

Рівень складності курсу: Середній рівень

Час завершення: ~ 1 день (Завершіть тест/лабораторну роботу у свій час)

Попередні знання: Знання програмування на Python та TensorFlow.

Що будуть вивчати ентузіасти ШІ?

  • Відкрийте ключові компоненти архітектури Кодувальник-Декодувальник.
  • Понять, як використовувати архітектуру Кодувальник-Декодувальник для навчання моделі та генерації тексту з неї.
  • Містить лабораторну роботу, у якій ви будете кодувати на TensorFlow, популярній платформі розробки МН для створення моделей рівня виробництва.

7. Механізм Уваги

Рівень складності курсу: Середній рівень

Час завершення: ~ 45 хвилин

Попередні знання: Знання МН, ГН, Обробки природної мови (ОНМ), Комп’ютерного зору (КЗ) та програмування на Python.

Що будуть вивчати ентузіасти ШІ?

  • Відкрийте концепцію механізму уваги – потужний підхід, який дозволяє мовним моделям зосереджуватися на окремих сегментах входної послідовності для розуміння контекстної інформації.
  • Дізнаються, як він працює та його застосування.
  • Понять, як механізм уваги застосовується до моделей МН.

8. Моделі Трансформерів та Моделі BERT

Рівень складності курсу: Початковий рівень

Час завершення: ~ 45 хвилин

Попередні знання: Середній рівень знань МН, розуміння вкладених слів та механізму уваги, а також досвід роботи з Python та TensorFlow.

Що будуть вивчати ентузіасти ШІ?

  • Дізнаються про архітектуру Трансформера та досліджують, як побудована модель Бідирекціонального представлення з Трансформера (BERT) за допомогою Трансформерів.
  • Охоплює різні завдання ОНМ, для яких використовується модель BERT.

9. Створення моделей підписів зображень

Рівень складності курсу: Середній рівень

Час завершення: ~ 1 день (Завершіть тест/лабораторну роботу у свій час)

Попередні знання: Знання МН, ГН, ОНМ, КЗ та програмування на Python.

Що будуть вивчати ентузіасти ШІ?

  • Як ідентифікувати елементи моделі підпису зображення.
  • Як побудувати та оцінити модель для підпису зображення.
  • Як створити свої власні моделі підписів для фотографій та використовувати їх для створення підписів.

10. Введення у Студію Генеративного ШІ

Рівень складності курсу: Вступний рівень

Час завершення: ~ 1 день (Завершіть тест/лабораторну роботу у свій час)

Попередні знання: Ні

Що будуть вивчати ентузіасти ШІ?

  • Розпізнайте мету Студії Генеративного ШІ, продукту Vertex AI.
  • Варіанти та властивості Студії Генеративного ШІ також охоплені в цьому курсі.
  • Містить практичну лабораторну роботу, у якій ви можете використовувати цей інструмент.

Після завершення цих десяти безплатних курсів учні можуть мати повне розуміння Генеративного ШІ та його практичних застосувань. Учні можуть використовувати свої нові знання для просування в галузі Генеративного ШІ, створюючи інноваційні продукти, які можуть позитивно вплинути на наше суспільство.

“У світі, де ChatGPT та інші додатки ШІ можуть робити багато речей, які раніше люди повинні були робити самостійно або наймати інших людей для виконання, питання “як я додам цінність?” стає більш актуальним, ніж будь-коли раніше.” – Гендрыт Ванлон Сміт-молодший, генеральний директор Mayflower-Plymouth, у своїй книзі Бізнес-есенціали.

Щоб бути в курсі останніх досягнень ШІ, відвідайте unite.ai.

mm

Haziqa є вченим-даними з великим досвідом написання технічного контенту для компаній AI та SaaS.