Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Ενότητα 1: Εισαγωγή στην Τεχνητή Νοημοσύνη και το Google Gemini

  • Τι είναι η Τεχνητή Νοημοσύνη (AI);
  • Επισκόπηση του Google Gemini AI και του οικοσυστήματός του
  • Βασικά χαρακτηριστικά και πλεονεκτήματα του Gemini έναντι άλλων μοντέλων τεχνητής νοημοσύνης
  • Πρακτική δραστηριότητα: Εξερεύνηση του Gemini AI μέσω της επίδειξης του Google AI Studio

Ενότητα 2: Κατανόηση των Μεγάλων Γλωσσικών Μοντέλων (LLMs)

  • Θεμέλια των μεγάλων γλωσσικών μοντέλων
  • Η αρχιτεκτονική και η λειτουργία των μοντέλων Gemini
  • Σύγκριση του Gemini με το GPT και άλλα κορυφαία μοντέλα
  • Εργαστήριο εξάσκησης: Οπτικοποίηση tokenization και αποκρίσεων μοντέλων με χρήση δειγματικών προτροπών

Ενότητα 3: Ξεκινώντας με το Gemini

  • Ρύθμιση του περιβάλλοντος ανάπτυξης
  • Εργασία με το Gemini API και το SDK
  • Αυθεντικοποίηση, tokens και κλειδιά API
  • Πρακτικό εργαστήριο: Εκτέλεση της πρώτης σας προτροπής Gemini με χρήση Python

Ενότητα 4: Εργασία με μοντέλα Gemini

  • Εξερεύνηση διαφορετικών τύπων μοντέλων Gemini και των δυνατοτήτων τους
  • Επιλογή κατάλληλων μοντέλων για εργασίες γλώσσας, εικόνας ή πολυτροπικές
  • Αρχικοποίηση και δοκιμή γενετικών μοντέλων
  • Πρακτική άσκηση: Σύγκριση εξόδων μοντέλων κειμένου-σε-κείμενο και εικόνας-σε-κείμενο

Ενότητα 5: Πρακτικές εφαρμογές και περιπτώσεις χρήσης

  • Ενσωμάτωση του Gemini AI σε εφαρμογές συνομιλίας και ερωτήσεων-απαντήσεων
  • Ανάπτυξη εργαλείων σημασιολογικής αναζήτησης και σύνοψης
  • Ηθική χρήση της τεχνητής νοημοσύνης και προβληματισμοί περί μεροληψίας
  • Ομαδικό έργο: Δημιουργία ενός «Έξυπνου Βοηθού Έρευνας» με χρήση NotebookLM και Gemini

Ενότητα 6: Προηγμένα χαρακτηριστικά και προσαρμογή

  • Βελτιστοποίηση προτροπών και προηγμένος χειρισμός πλαισίου
  • Χρήση του Gemini για παραγωγή κώδικα και αποσφαλμάτωση
  • Ροές εργασίας λεπτομερούς ρύθμισης με το Google Cloud Vertex AI
  • Πρακτική δραστηριότητα: Προσαρμογή αποκρίσεων μοντέλου με χρήση παραμέτρων και ελέγχου θερμοκρασίας

Ενότητα 7: Πραγματικά έργα και συνεργασία

  • Σχεδιασμός συνεργατικών έργων και ρύθμιση ροής εργασίας
  • Ενσωμάτωση του Gemini AI με άλλα εργαλεία Google (Drive, Docs, Sheets)
  • Ομαδικό έργο: Σχεδιασμός και ανάπτυξη μιας μικρής εφαρμογής τεχνητής νοημοσύνης (π.χ. συνοψιστής περιεχομένου, chatbot ή γεννήτρια ιδεών)
  • Αξιολόγηση από ομοτίμους και συζήτηση των αποτελεσμάτων των έργων

Ενότητα 8: Αξιολόγηση και μελλοντικές κατευθύνσεις

  • Αντιμετώπιση συνηθισμένων προβλημάτων σε έργα Gemini
  • Εξερεύνηση του οδικού χάρτη του Gemini API και των επερχόμενων χαρακτηριστικών
  • Βέλτιστες πρακτικές για τη διακυβέρνηση και την κλιμάκωση της τεχνητής νοημοσύνης
  • Δραστηριότητα ολοκλήρωσης: Αναστοχασμός σχετικά με τα πρακτικά μαθήματα και τις επαγγελματικές εφαρμογές

Σύνοψη και επόμενα βήματα

Απαιτήσεις

  • Κατανόηση βασικών εννοιών τεχνητής νοημοσύνης
  • Εμπειρία με APIs και υπηρεσίες cloud
  • Εμπειρία προγραμματισμού σε Python

Κοινό

  • Προγραμματιστές
  • Επιστήμονες δεδομένων
  • Λάτρεις της τεχνητής νοημοσύνης
 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες