AI 模型与平台

使用谷歌学习生成式人工智能

mm
发布于
更新于
将 Unite.AI 添加到您在 Google 上的首选来源
Learn Generative AI With Google

人工智能（AI）生态系统在过去五年中迅速发展，生成式人工智能（GAI）引领这一发展趋势。事实上，生成式人工智能市场预计将达到 36 亿美元，相比 2023 年的 3.7 亿美元增长了近 10 倍。

如今，生成式人工智能影响着许多行业，如医疗保健、营销、时尚和娱乐，因为像 AI 图像生成器和 AI 视频生成器这样的 AI 生成器展示了替代手动人工任务的潜力。然而，在该领域取得进步需要专门的 AI 技能。

因此，为了使 AI 爱好者更容易学习，谷歌推出了 10 门免费的生成式人工智能课程。在讨论这些课程之前，让我们简要了解一下什么是生成式人工智能。

什么是生成式人工智能以及为什么学习生成式人工智能很重要？

生成式人工智能 是一个专门的 AI 领域，专注于构建可以使用现有数据样本生成新现实内容（如图像、文本、音频或视频）的模型。

例如，像 ChatGPT 和 DALL-E 这样的模型是生成式人工智能的著名例子，我们现在正在观察它们的实际应用。ChatGPT 集成到 Bing 的搜索引擎 中，而 Edge 浏览器 现在包含 DALL-E。

随着生成式人工智能的发展，跟上这一技术的步伐对于以下几个原因至关重要：

  • 确保 商业生产力、成本效益和效率的提高。
  • 鼓励实验和创造力。
  • 支持人工智能与人类的合作，并增强人类的能力。
  • 允许创新问题解决策略。

现在，让我们看看谷歌如何帮助学习者学习生成式人工智能。

谷歌的 10 课程生成式人工智能学习路径

1. 生成式人工智能介绍

课程难度： 初级

完成时间： 大约 45 分钟

先决条件： 无

AI 爱好者将学习什么？

  • 什么是生成式人工智能，它是如何工作的，它的应用是什么，以及它与标准 机器学习（ML） 技术有什么不同。
  • 涵盖谷歌为创建自己的生成式人工智能应用程序提供的工具。
  • 您还将学习生成式人工智能模型类型：单模态或多模态，在本课程中。单模态系统只接受一种输入类型，而多模态系统可以接受多种输入类型。

2. 大型语言模型介绍

课程难度： 初级

完成时间： 大约 45 分钟

先决条件： 无

AI 爱好者将学习什么？

  • 本课程探索 大型语言模型（LLM） – 在大量文本数据上训练的 AI 模型。“谷歌的 Bard AI” 是一个很好的 LLM 示例，它使高级的人机交互成为可能。
  • 了解如何使用 LLM 进行情感分析。
  • 学习提示调优，通过提示调优可以改进语言模型的输入以获得期望的输出。
  • 涵盖谷歌为生成式人工智能开发提供的工具。

3. 负责任的人工智能介绍

课程难度： 初级

完成时间： 大约 1 天（在您自己的时间内完成测验/实验室）

先决条件： 无

AI 爱好者将学习什么？

  • 什么是 负责任的人工智能？为什么它很重要，以及谷歌如何在其产品中实施这一技术。
  • 介绍谷歌的 7 项负责任的人工智能原则。

4. 生成式人工智能基础

课程难度： 初级

完成时间： 大约 1 天（在您自己的时间内完成测验/实验室）

先决条件： 无

AI 爱好者将学习什么？

  • 包含前三门课程的所有内容。
  • 包括一个最终测验，您可以通过它展示自己对生成式人工智能基本概念的理解。

5. 图像生成介绍

课程难度： 初级

完成时间： 大约 1 天（在您自己的时间内完成测验/实验室）

先决条件： 了解机器学习、深度学习、卷积神经网络和 Python 编程。

AI 爱好者将学习什么？

  • 在本课程中，您将发现 扩散模型、它们的工作原理和实现。
  • 了解无条件扩散模型是什么。
  • 文本到图像扩散模型的改进。
  • 在 Vertex AI 上训练和部署这些模型 – 谷歌的全托管机器学习平台。

6. 编码器-解码器架构

课程难度： 中级

完成时间： 大约 1 天（在您自己的时间内完成测验/实验室）

先决条件： 了解 Python 编程和 TensorFlow。

AI 爱好者将学习什么？

  • 发现编码器-解码器架构的关键组件。
  • 了解如何使用编码器-解码器架构训练模型并从中生成文本。
  • 包括一个实验室演练，您将使用 TensorFlow 编码，TensorFlow 是一个流行的机器学习开发平台，用于构建生产级模型。

7. 注意力机制

课程难度： 中级

完成时间： 大约 45 分钟

先决条件： 了解机器学习、深度学习、自然语言处理、计算机视觉和 Python 编程。

AI 爱好者将学习什么？

  • 发现注意力机制的概念 – 一个强大的方法，允许语言模型关注特定的输入序列段，以便理解上下文信息。
  • 学习它的工作原理和用途。
  • 了解注意力机制如何应用于机器学习模型。

8. 变换器模型和 BERT 模型

课程难度： 初级

完成时间： 大约 45 分钟

先决条件： 了解机器学习、深度学习、词嵌入和注意力机制，并具有 Python 和 TensorFlow 的经验。

AI 爱好者将学习什么？

  • 学习变换器架构，并探索如何使用变换器构建双向编码器表示（BERT）模型。
  • 涵盖 BERT 模型用于的不同自然语言处理任务。

9. 创建图像字幕模型

课程难度： 中级

完成时间： 大约 1 天（在您自己的时间内完成测验/实验室）

先决条件： 了解机器学习、深度学习、自然语言处理、计算机视觉和 Python 编程。

AI 爱好者将学习什么？

  • 如何识别图像字幕模型的元素。
  • 如何构建和评估图像字幕模型。
  • 如何创建自己的字幕模型用于照片，并使用它们创建字幕。

10. 生成式人工智能工作室介绍

课程难度： 入门级

完成时间： 大约 1 天（在您自己的时间内完成测验/实验室）

先决条件： 无

AI 爱好者将学习什么？

  • 识别 生成式人工智能工作室 的目的，生成式人工智能工作室是 Vertex AI 的一个产品。
  • 生成式人工智能工作室的选项和属性也在本课程中涵盖。
  • 包含一个实践实验室，您可以在其中使用此工具。

完成这些 10 门免费课程后，学习者可以对生成式人工智能及其实际应用有全面的了解。学习者可以利用他们新获得的知识来推进生成式人工智能领域，构建能够对我们的社会产生积极影响的创新产品。

“在一个 ChatGPT 和其他 AI 应用程序可以执行许多人类以前需要自己完成或需要雇佣其他人类来完成的任务的世界中，‘我将如何增加价值？’这个问题变得比以往任何时候都更加相关。” ― Hendrith Vanlon Smith Jr，Mayflower-Plymouth 的 CEO，在他的书 Business Essentials 中说。

要了解最新的 AI 进展，请访问 unite.ai。

mm

Haziqa 是一名具有丰富经验的数据科学家，擅长为 AI 和 SaaS 公司撰写技术内容。