谷歌免费的生成式人工智能课程
Google's free AI course
在我们开始免费课程之前,让我简单给你提供一下生成式人工智能的定义。生成式人工智能可以根据用户提示生成文本、图像或其他形式的媒体。它可以产生新的内容,替代重复的任务,处理定制化数据等等。例如,不久前发布了 PandasAI – 一个将生成式人工智能能力集成到 Pandas 中以进行简化数据分析的 Python 库。
就像 PandasAI 一样,我们预计会看到更多的生成式人工智能工具和软件发布并集成到我们的日常生活中,以使流程更简单、更顺畅。
现在,让我们谈谈由 Google 提供的关于生成式人工智能的免费课程。
- 康奈尔大学的人工智能(AI)研究人员提出了一种新的神经网络框架,以解决视频抠像问题
- 2023年机器学习研究中的顶级数据版本控制工具
- 中国的研究人员提出了一种基于联邦学习(FL)的新型μXRD图像筛选方法,旨在在保护数据隐私的同时提高筛选效果
Google 的生成式人工智能学习路径
Google 创建了生成式人工智能学习路径,其中包括一系列关于生成式人工智能产品和技术的课程。您将学习大型语言模型(LLM)的基本知识,并能够在 Google Cloud 上创建和部署生成式人工智能解决方案。
学习路径包括以下 10 门课程:
1. 生成式人工智能简介
链接:生成式人工智能简介
本课程将为您提供生成式人工智能的基本概述。如果您对生成式人工智能完全不了解,这将是最好的起点。您还将了解生成式人工智能与其他机器学习方法的区别。
2. 大型语言模型简介
链接:大型语言模型简介
随着 ChatGPT 和 Bard 等聊天机器人的兴起,了解大型语言模型(LLM)的定义、构建、使用和提示调整是至关重要的信息。
3. 负责任人工智能简介
链接:负责任人工智能简介
最近关于负责任人工智能的争议不断。本课程将介绍 Google 如何在其产品中实施负责任人工智能。您将学习 Google 的 7 个人工智能原则,进一步了解社会责任、问责和隐私设计原则。
4. 生成式人工智能基础
链接:生成式人工智能基础
在完成前三门课程后,您将参加第四门课程的测验,涵盖前三门课程的内容。一些人可能已经具备背景知识,轻松通过这门课程。然而,对于初学者和想填补知识空白的人来说,这是一个很好的起点。
5. 图像生成简介
链接:图像生成简介
生成式人工智能的重要组成部分是能够使用稳定扩散生成图像。在本课程中,您将进一步了解扩散模型,并深入学习机器学习、深度学习和卷积神经网络。
6. 编码器-解码器架构
链接:编码器-解码器架构
了解强大的用于序列到序列任务的机器学习架构 – 编码器-解码器架构。通过这门课程,您将能够更深入地了解机器翻译、文本摘要和问答等领域。
本课程还包括一个实验指南,您将在其中为特定任务编写编码器-解码器架构的简单实现。
7. 注意力机制
链接:注意力机制
我听到很多人想要更深入地了解这个主题。注意力机制是一种允许神经网络专注于输入序列特定部分的技术。要在该课程中取得成功,您需要对机器学习、深度学习、自然语言处理和/或 Python 编程有很好的理解。
8. Transformer模型和BERT模型
链接:Transformer模型和BERT模型
随着术语变得困难,你现在知道你需要有更多的经验。在这门课程中,你将学习Transformer模型和双向编码器表示来自Transformer(BERT)的主要组成部分。
例如,你将能够了解更多关于自注意机制以及它如何用于构建BERT模型,以及学习其他任务,如文本分类。
9. 创建图像字幕模型
链接:创建图像字幕模型
名字就是这么说的。通过使用深度学习,了解如何创建图像字幕模型,通过分解图像字幕模型的不同组成部分,如编码器和解码器。然后,您将进行模型的训练和评估,并创建自己的图像字幕模型,可以为图像生成字幕。
10. 生成AI工作室简介
链接:生成AI工作室简介
最后,是生成AI工作室。在这门课程中,您将介绍生成AI工作室的演示,该工作室用于帮助原型设计和定制生成AI模型,以便您可以在应用程序中使用它们的功能。课程最后还有一个实践实验和一个测试您知识的测验。
总结
这10门由Google提供的学习路径不仅适合初学者,还适合机器学习工程师和数据科学家,他们希望转变职业或学习新东西。与其落后,不如保持更新,而Google提供了很好的资源来帮助学生、员工和新手达到目标。Nisha Arya是一位数据科学家、自由技术作家和VoAGI社区经理。她特别对提供数据科学职业建议或教程以及围绕数据科学的理论知识感兴趣。她还希望探索人工智能在延长人类寿命方面的不同方式。她是一位热心的学习者,希望扩展自己的技术知识和写作能力,同时帮助指导他人。