Google Cloud Skills Boost 提供免費生成式 AI 學習課程

Contents

生成式 AI ( Generative AI ) 在 ChatGPT 和 Bard 的展示下非常令人驚艷，已經成為 AI/ML 重要的學習主題！

Google Cloud Skills Boost 針對生成式 AI 製作了免費的學習課程，提供引導您完成有關生成式 AI 產品和技術的學習路徑，從大型語言模型的基礎知識到如何在 Google Cloud 上創建和部署生成式 AI 解決方案。

當您註冊大多數課程時，您將能夠免費觀看視訊和獲取文檔等課程材料。如果課程由實驗組成，您將需要購買個人訂閱或學分才能使用實驗。實驗室也可以通過您參與的任何活動解鎖。必須完成課程中所有必需的活動才能獲得完成徽章。

到 Generative AI Learning Path 學習去

這些課程分別是 :

1 Introduction to Generative AI

加入條件: 無

這是一門入門級微學習課程，旨在解釋什麼是生成式 AI、如何使用它以及它與傳統機器學習方法的區別。它還涵蓋了可幫助您開發自己的 Gen AI 應用程式的 Google 工具。完成本課程預計需要大約 45 分鐘。

課程目標：

定義生成式 AI
解釋生成式 AI 的工作原理
描述生成式 AI 模型類型
描述生成式 AI 應用程式

2 Introduction to Large Language Models

加入條件: 無

這是一門入門級微學習課程，探討什麼是大型語言模型 (LLM)、可以使用它們的用例，以及如何使用提示調優來提高 LLM 性能。它還涵蓋了可幫助您開發自己的 Gen AI 應用程式的 Google 工具。完成本課程估計需要大約 45 分鐘。

課程目標：

定義大型語言模型 (LLM)
描述 LLM 用例
解釋提示( prompt )調整
描述谷歌的 Gen AI 開發工具

3 Introduction to Responsible AI

加入條件: 無

這是一門入門級的微學習課程，旨在解釋什麼是負責任的人工智慧、它為什麼重要，以及谷歌如何在他們的產品中實施負責任的人工智慧。它還介紹了谷歌的 7 條 AI 原則。

課程目標：

了解 Google 為何制定 AI 原則。
確定組織內對負責任的 AI 實踐的需求。
認識到在專案的所有階段做出的決策都會對負責任的人工智慧產生影響。
認識到組織可以設計 AI 來滿足他們自己的業務需求和價值觀。

4 Generative AI Fundamentals

加入條件: 無

完成生成式 AI 簡介、大型語言模型簡介和負責任 AI 簡介課程，贏取技能徽章。通過最終測驗，您將證明您對生成式 AI 中的基本概念的理解。

技能徽章是 Google Cloud 頒發的數位徽章，用於表彰您對 Google Cloud 產品和服務的了解。通過公開您的個人資料並將其添加到您的社交媒體個人資料來分享您的技能徽章。

課程目標：

完成名為 Introduction to Generative AI 的課程。
完成名為“大型語言模型簡介”(LLM) 的課程。
完成題為負責任的 AI 簡介的課程。
完成名為生成式 AI 基礎知識的測驗以獲得技能徽章。

5 Introduction to Image Generation

加入條件: 機器學習，深度學習，卷積神經網路 (CNN)，Python 程式設計

本課程介紹擴散模型( Diffusion models )，這是最近在圖像生成領域顯示出前景的一系列機器學習模型。擴散模型從物理學中汲取靈感，特別是熱力學。在過去的幾年裡，擴散模型在研究和工業中變得流行起來。擴散模型是 Google Cloud 上許多最先進的圖像生成模型和工具的基礎。本課程向您介紹擴散模型背後的理論以及如何在 Vertex AI 上訓練和部署它們。

課程目標：

擴散模型的工作原理
擴散模型的真實用例
無條件擴散模型
擴散模型的進步（文本到圖像）

6 Encoder-Decoder Architecture

加入條件: Python 和 Tensorflow 的堅實基礎

本課程簡要介紹了編碼器-解碼器架構( encoder-decoder architecture )，這是一種功能強大且流行的機器學習架構，適用於機器翻譯、文本摘要和問答等序列到序列任務。您將了解編碼器-解碼器架構的主要組件以及如何訓練和服務這些模型。在相應的實驗室演練中，您將從一開始就在 TensorFlow 中編寫用於詩歌生成的編碼器-解碼器架構的簡單實現。

課程目標：

了解編碼器-解碼器架構的主要組件。
了解如何使用編碼器-解碼器架構從模型中訓練和生成文本。
了解如何在 Keras 中編寫您自己的編碼器-解碼器模型。

7 Attention Mechanism

加入條件: 機器學習，深度學習，自然語言處理，電腦視覺，Python 程式設計

本課程將向您介紹注意力機制( Attention Mechanism )，這是一種強大的技術，可讓神經網路專注於輸入序列的特定部分。您將了解注意力的工作原理，以及如何使用它來提高各種機器學習任務的性能，包括機器翻譯、文本摘要和問答。

完成本課程估計需要大約 45 分鐘。

課程目標：

了解注意力的概念及其工作原理
了解注意力機制如何應用於機器翻譯

8 Transformer Models and BERT Model

加入條件:

中級機器學習經驗
詞嵌入和注意力機制的理解
使用 Python 和 TensorFlow 的經驗

本課程向您介紹 Transformer 架構和來自 Transformers (BERT) 模型的雙向編碼器表示。您將了解 Transformer 架構的主要組件，例如自注意力機制，以及如何使用它來建構 BERT 模型。您還將了解 BERT 可用於的不同任務，例如文本分類、問答和自然語言推理。

完成本課程估計需要大約 45 分鐘。

課程目標：

了解 Transformer 架構的主要組件。
了解如何使用 Transformers 建構 BERT 模型。
使用 BERT 解決不同的自然語言處理 (NLP) 任務。

9 Create Image Captioning Models

加入條件: 機器學習，深度學習，自然語言處理，電腦視覺，Python 程式設計

本課程教您如何使用深度學習創建圖像字幕模型。您將了解圖像字幕模型的不同組件，例如編碼器和解碼器，以及如何訓練和評估您的模型。在本課程結束時，您將能夠創建自己的圖像字幕模型並使用它們為圖像生成字幕。

課程目標：

了解圖像字幕模型的不同組件。
了解如何訓練和評估圖像字幕模型。
創建您自己的圖像字幕模型。
使用圖像字幕模型為圖像生成字幕。

10 Introduction to Generative AI Studio

加入條件: 無

本課程介紹 Generative AI Studio，這是 Vertex AI 上的一款產品，可幫助您製作原型和自定義生成 AI 模型，以便您可以在您的應用程式中使用它們的功能。在本課程中，您將了解什麼是 Generative AI Studio、它的功能和選項，以及如何通過瀏覽產品演示來使用它。最後，您將有一個實踐實驗室來應用您學到的知識，並有一個測驗來測試您的知識。

課程目標：

解釋 Generative AI Studio 的作用。
描述生成式 AI Studio 選項。
使用生成式 AI 語言工具。

11 Generative AI Explorer – Vertex AI (挑戰任務)

Generative AI Explorer – Vertex Quest 是一組關於如何在 Google Cloud 上使用 Generative AI 的實驗。通過實驗，您將了解如何使用 Vertex AI PaLM API 系列中的模型，包括 text-bison、chat-bison 和 textembedding-gecko。您還將了解提示設計、最佳實踐，以及如何將其用於構思、文本分類、文本提取、文本摘要等。您還將了解如何通過 Vertex AI 自定義訓練對基礎模型進行訓練並將其部署到 Vertex AI 端點來調整基礎模型。