دوره آموزشی جمینی پیشرفته برای توسعه دهندگان (2024)
1 ساعت 27 دقیقهپیشرفته2024-06-26
مدرسین

Lynn Langit
Cloud Architect
جزئیات دوره
ایجاد برنامه های کاربردی مبتنی بر مدال های بنیادی قدرتمند می تواند جهان های جدیدی را برای شما و کاربرانتان بگشاید. در این دوره یاد بگیرید که از الگوها و ابزارهای اپلیکیشن های گوگل جمینی برای ساخت اپلیکیشن های بزرگ مبتنی بر مدل زبان استفاده کنید. اینها شامل الگوهایی برای اعتبارسنجی سریع، تولید تقویت شده بازیابی مؤثر (RAG) و تنظیم دقیق است. مربی Lynn Langit همچنین مقایسه هایی از Gemini، Gemma و سایر LLM های پایه را برای سناریوهای برنامه شما به اشتراک می گذارد.
اهداف یادگیری
ابزار Google Gemini Agent Builder و ادغام آن با ذخیرهسازی ابری، BigQuery و پایگاههای داده FHIR را برای ساخت برنامههای هوش مصنوعی محاورهای مولد بدانید.
استودیوی Vertex AI را برای آزمایش و ارزیابی مدلهای زبان، بینایی، گفتار، و مدلهای چندوجهی و همچنین باغ مدل برای دسترسی به مدلهای از پیش آموزش دیده از منابع مختلف کاوش کنید.
با الگوهای راه حل JumpStart برای توسعه برنامه های کاربردی هوش مصنوعی مولد سرتاسر، از جمله RAG (نسل تقویت شده بازیابی) با Cloud SQL، پایگاه های دانش، RAG در GKE و RAG در Vertex AI با ارزیابی آشنا شوید.
در مورد بهترین روشها برای راهاندازی یک محیط Google Cloud برای توسعه و یادگیری Gemini اطلاعاتی کسب کنید.
مراحل بعدی در تسلط بر طراحی کارآمد، توسعه، آزمایش، میزبانی و استقرار مدلهای یادگیری ماشین برای برنامههای Google Gemini را درک کنید.
اهداف یادگیری
ابزار Google Gemini Agent Builder و ادغام آن با ذخیرهسازی ابری، BigQuery و پایگاههای داده FHIR را برای ساخت برنامههای هوش مصنوعی محاورهای مولد بدانید.
استودیوی Vertex AI را برای آزمایش و ارزیابی مدلهای زبان، بینایی، گفتار، و مدلهای چندوجهی و همچنین باغ مدل برای دسترسی به مدلهای از پیش آموزش دیده از منابع مختلف کاوش کنید.
با الگوهای راه حل JumpStart برای توسعه برنامه های کاربردی هوش مصنوعی مولد سرتاسر، از جمله RAG (نسل تقویت شده بازیابی) با Cloud SQL، پایگاه های دانش، RAG در GKE و RAG در Vertex AI با ارزیابی آشنا شوید.
در مورد بهترین روشها برای راهاندازی یک محیط Google Cloud برای توسعه و یادگیری Gemini اطلاعاتی کسب کنید.
مراحل بعدی در تسلط بر طراحی کارآمد، توسعه، آزمایش، میزبانی و استقرار مدلهای یادگیری ماشین برای برنامههای Google Gemini را درک کنید.
مهارت ها
GeminiAI Productivity ToolsGenerative AIGoogleArtificial Intelligence (AI)Business Software and ToolsOne-Off
سرفصل ها
0. مقدمه
- 01 - برنامههای مبتنی بر LLM را با استفاده از Google Gemini طراحی و پیادهسازی کنید
- 02 - آنچه باید بدانید
- 03 - در مورد استفاده از خدمات ابری
1. عامل ساز
- 04 - Google Agent Builder را درک کنید
- 05 - از Agent Builder با سازنده ابر استفاده کنید
- 06 - برنامه توصیه کننده را با Agent Builder بسازید
- 07 - از Agent Builder با پایگاههای داده FIHR استفاده کنید
2. Vertex AI Studio
- 08 - آزمون مدلهای زبان
- 09 - مدلهای بینایی را آزمایش کنید
- 10 - مدلهای گفتار را تست کنید
- 11 - چند مدل را تست کنید
3. مدل باغ
- 12 - مدلهای Gemini و Gemma را تست کنید
- 13 - آزمایش صورت در آغوش گرفتن
- 14 - مدلهای متن باز را تست کنید
- 15 - مدلهای منبع باز پزشکی را تست کنید
4. Jump Start Architectures
- 16 - GenAI RAG با Cloud SQL
- 17 - پایگاه دانش مولد
- 18 - GenAI RAG در GKE
- 19 - GenAI RAG در VertexAI با ارزیابی
نتیجه
- 20 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی ساخت با گوگل جمینی پیشرفته و اولترا
- دوره آموزشی Gemini پیشرفته برای توسعهدهندگان
- دوره آموزشی گوگل جمینی برای توسعه دهندگان
- دوره آموزشی جعبهابزار هوش مصنوعی مولد
- دوره آموزشی کدنویسی Vibe برای ساخت اپلیکیشن فولاستک با Bolt
- دوره آموزشی فراتر از کدنویسی با Vibe با Google Gemini: تبدیل شدن به یک توسعهدهنده هدفمند
- دوره آموزشی ساخت با Gemini 3
- دوره آموزشی مدلهای استدلال هوش مصنوعی در عمل: ساخت یک مربی مجهز به هوش مصنوعی
مسیرهای مرتبط
- مسیر آموزشی راهنمای توسعهدهنده Google Gemini
- مسیر آموزشی توسعه مهارت های هوش مصنوعی خود با Google Gemini و Google Cloud Platform
- مسیر آموزشی برنامهنویسیات رو با ابزارهای کدنویسی هوش مصنوعی حسابی تغییر بده!
- مسیر آموزشی یادگیری Vibe Coding: ساخت اپلیکیشنها با کدنویسی مجهز به هوش مصنوعی
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی طراحی و توسعه برای دسترسپذیری دیجیتال
- مسیر آموزشی شروع کار با مهندسی پرامپت
- مسیر آموزشی گواهینامه حرفهای هوش مصنوعی مولد