Пол Шторм, CMO, поділився добіркою безоплатних курсів про штучний інтелект від Google, які у 2024 році корисно буде пройти людям будь-якого рівня доступу в AI-сфері. Ось, що можна буде вивчити і як долучитись.
Пол Шторм, CMO, поділився добіркою безоплатних курсів про штучний інтелект від Google, які у 2024 році корисно буде пройти людям будь-якого рівня доступу в AI-сфері. Ось, що можна буде вивчити і як долучитись.
Це курс мікронавчання вступного рівня, який досліджує, що таке великі мовні моделі (LLM), випадки використання, де їх можна використовувати, і як можна використовувати оперативне налаштування для підвищення продуктивності LLM. Він також охоплює інструменти Google, які допоможуть вам розробляти власні програми Gen AI.
Тривалість курсу: 30 хвилин, курс містить у собі відео на 16 хвилин, документ (читанням на 30 хвилин) та тест на 10 хвилин.
Для кого призначений курс: для загальної аудиторії.
Доступні мови: English, español (Latinoamérica), français, עברית, bahasa Indonesia, italiano, 日本語, 한국어, português (Brasil), 简体中文, 繁體中文, polski та українська.
Це початковий курс мікронавчання, який має на меті пояснити, що таке Generative AI, як він використовується та чим він відрізняється від традиційних методів машинного навчання. Він також охоплює інструменти Google, які допоможуть вам розробляти власні програми Gen AI.
Тривалість курсу: 45 хвилин, курс містить відео на 21 хвилин, документ (читанням на 30 хвилин) та тест на 25 хвилин.
Для кого призначений курс: для загальної аудиторії.
Доступні мови: English, español (Latinoamérica), français, עברית, bahasa Indonesia, italiano, 日本語, 한국어, português (Бразилія), 简体中文, 繁體中文, polski та українська.
Курс для отримання відзнаки навичок, продемонструвавши своє розуміння фундаментальних концепцій генеративного ШІ за наступними напрямками:
Це курс мікронавчання початкового рівня, який має на меті пояснити, що таке відповідальний ШІ, чому він важливий і як Google впроваджує відповідальний ШІ у свої продукти. Він також представляє 7 принципів штучного інтелекту Google.
Тривалість курсу: 30 хвилин, курс містить відео на 9 хвилин та тест на 20 хвилин.
Для кого призначений курс: для громадськості.
Доступні мови: англійська, іспанська (Латиноамерика), французька, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文, 繁體中文, עברית, бахаса Індонезія, польська та українська.
Цей курс дає короткий опис архітектури кодера-декодера, яка є потужною та поширеною архітектурою машинного навчання для завдань послідовності, таких як машинний переклад, узагальнення тексту та відповіді на запитання. Ви дізнаєтеся про основні компоненти архітектури кодера-декодера та про те, як навчати та обслуговувати ці моделі. У відповідній інструкції до лабораторної роботи ви закодуєте в TensorFlow просту реалізацію архітектури кодера-декодера для створення поезії з самого початку.
Тривалість курсу: 8 годин, курс містить відеоогляд на 7 хвилин, опис покрокової роботи на 20 хвилин, тест на 25 хвилин, лабораторні ресурси на 30 хвилин.
Для кого призначений курс: для науковці даних та інженерів ML, які мають основу знань в Python і Tensorflow.
Доступні мови: англійська, іспанська (Латинська Америка), французька, עברית, бахаса Індонезія, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文 і 繁體中文.
Цей курс знайомить з дифузійними моделями, сімейством моделей машинного навчання, які нещодавно показали перспективу в просторі генерації зображень. Моделі дифузії черпають натхнення з фізики, зокрема термодинаміки. Протягом останніх кількох років моделі дифузії стали популярними як у дослідженнях, так і в промисловості. Моделі дифузії лежать в основі багатьох найсучасніших моделей і інструментів створення зображень у Google Cloud. Цей курс познайомить вас з теорією, що лежить в основі моделей дифузії, а також з тим, як навчати та розгортати їх на Vertex AI.
Тривалість курсу: 8 годин, курс містить відеоогляд на 8 хвилин, тест на 20 хвилин.
Для кого призначений курс: для науковців даних, інженерів машинного навчання, дослідників, які працюють над розробкою нових моделей генерації зображень, і розробників, зацікавлених у створенні програм, які використовують генерацію зображень. Всі учасники перед початком курсу вже мають розуміти машинне навчання, пройти глибоке навчання зі згорткових нейронних мереж (CNN) та програмування на Python.
Доступні мови: англійська, іспанська (Латинська Америка), французька, עברית, бахаса Індонезія, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文 і 繁體中文.
Цей курс познайомить вас з архітектурою Transformer і моделлю Bidirectional Encoder Representations from Transformers (BERT). Ви дізнаєтеся про основні компоненти архітектури Transformer, такі як механізм самоуважності, і про те, як він використовується для створення моделі BERT. Ви також дізнаєтеся про різні завдання, для яких можна використовувати BERT, як-от класифікація тексту, відповіді на запитання та логічні висновки з природної мови.
Тривалість курсу: 8 годин, курс містить у собі відеоогляд на 11 хвилин, відеолаборататорна на 11, тест на 45 хвилин та лабораторні ресурси на 30 хвилин.
Для кого призначений курс: цей курс призначений для тих, кому цікаво дізнатися про класифікацію тексту, відповіді на запитання та логічні висновки з природної мови, наприклад: науковцям даних, інженерам машинного навчання, інженерам програмного забезпечення. Для проходження курсу необхідно мати проміжний досвід машинного навчання, розуміння вбудовування слів і механізму уваги та досвід роботи з Python і TensorFlow.
Доступні мови: англійська, іспанська (Латинська Америка), французька, עברית, бахаса Індонезія, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文 і 繁體中文.
Цей курс познайомить вас із механізмом уваги, потужною технікою, яка дозволяє нейронним мережам зосереджуватися на певних частинах вхідної послідовності. Ви дізнаєтесь, як працює увага та як її можна використовувати для покращення виконання різноманітних завдань машинного навчання, зокрема машинного перекладу, узагальнення тексту та відповідей на запитання.
Тривалість курсу: 8 годин, курс містить відеоогляд на 5 хвилин, тест на 30 хвилин.
Для кого призначений курс: цей курс призначений для наукових спеціалістів з обробки даних, інженерів машинного навчання, інженерів програмного забезпечення. Потенційний слухач вищезазначеного курсу повинен мати певні знання про наступне: машинне навчання, глибоке навчання, обробку природної мови, комп’ютерний зір, програмування на Python.
Доступні мови: англійська, іспанська (Латинська Америка), французька, עברית, бахаса Індонезія, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文 і 繁體中文.
Цей курс представляє Generative AI Studio, продукт на Vertex AI, який допомагає вам створювати прототипи та налаштовувати генеративні моделі AI, щоб ви могли використовувати їх можливості у своїх програмах. У цьому курсі ви дізнаєтесь, що таке Generative AI Studio, її функції та параметри, а також як нею користуватися, ознайомившись із демонстраційними версіями продукту. Наприкінці вас чекає вікторина, щоб перевірити свої знання.
Тривалість курсу: 8 годин, курс міститьвідео на 15 хвилин, картки для рефлексії на 30 хвилин, вікторина на 25 хвилин, список для читання на 30 хвилин.
Для кого призначений курс: цей курс призначений для професійних розробників додатків Data sciences.
Доступні мови: англійська, іспанська (Латинська Америка), французька, עברית, бахаса Індонезія, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文 і 繁體中文.
Цей курс навчить вас створювати модель підписів до зображень за допомогою глибокого навчання. Ви дізнаєтеся про різні компоненти моделі субтитрів до зображень, такі як кодер і декодер, а також про те, як навчити та оцінити свою модель. До кінця цього курсу ви зможете створювати власні моделі підписів до зображень і використовувати їх для створення підписів до зображень
Тривалість курсу: 8 годин, курс містить відеоогляд 11 на хвилин, покрокове керівництво до лабораторної роботи на 18 хвилин, тест на 30 хвилин, лабораторні ресурси на 30 хвилин.
Для кого призначений курс: цей курс призначений для науковців даних, інженерів з машинного навчання, інженерів з комп’ютерного зору, інженерів з обробки природної мови, дослідників та студентів. Усі учасники курси повинні мати попередні знання про: машинне навчання глибоке навчання обробку природної мови комп’ютерне бачення програмування Python.
Доступні мови: англійська, іспанська (Латинська Америка), французька, עברית, бахаса Індонезія, італійська, 日本語, 한국어, португальська (Бразилія), 简体中文 і 繁體中文.
