感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
簡介
- 生成式 AI Leader 認證:價值與受眾
- 考試格式、領域與權重,以及如何準備
生成式 AI 基本原理 (~30%)
- 核心生成式 AI 概念與應用案例 (AI, ML, LLMs, 基礎模型, 多模態與擴散模型, 提示工程)
- 機器學習方法 (監督式、非監督式、強化式) 與機器學習生命週期
- 基礎模型選擇標準 (模態、上下文窗口、成本、性能、客製化)
- 生成式 AI 中的數據類型與數據品質 (結構化與非結構化數據,標記與未標記數據)
- 生成式 AI 領域層級與 Google 的基礎模型 (Gemini, Gemma, Imagen, Veo)
Google Cloud 的生成式 AI 產品 (~35%)
- Google Cloud 的生成式 AI 優勢與 AI 優化基礎設施 (TPUs, GPUs, hypercomputer)
- 預製產品:Gemini 應用程式和 Gemini Advanced、Google Workspace 專用的 Gemini、企業版 Gemini
- 客戶體驗:客戶參與套件 (對話式智能體、智能體協助、對話式洞察)
- 開發者支持:Vertex AI / Agent Platform、Model Garden 及 RAG 產品
- 生成式 AI 智能體工具 (擴充功能、函數、數據庫) 及相關 Google Cloud 服務
改善生成式 AI 模型輸出的技術 (~20%)
- 克服基礎模型的局限性 (知識截止期、偏見、幻覺、極端情況)
- 提示工程技術 (零樣本、單一樣本、少樣本、角色設定、提示鏈接、思維鏈、ReAct)
- 接地處理與檢索增強生成 (RAG)
- 控制輸出的採樣參數 (溫度、top-p、token 數量、安全設定)
成功實施生成式 AI 方案的商業策略 (~15%)
- 實施步驟與方案選擇方法論
- 安全 AI 與 Google 的安全 AI 框架 (SAIF)
- 負責任的 AI:隱私、偏見與公平性、問責制及可解釋性
考試準備
- 範例題目與各領域複習
- 完整模擬考試與答案分析
- 學習計畫與考試當天策略
總結與下一步
最低要求
prerequisite
- 無需技術前提條件
- 熟悉企業科技知識有幫助
目標受眾
- 領導者、經理和決策者
- 採用生成式 AI 的任何職位的企業專業人士
- 正在準備 Google Cloud Generative AI Leader 認證的任何人
14 小時
客戶評論 (1)
演講中的流程、氛圍與主題
Lukasz Kowalczyk - Allegro Sp. z o.o.
課程 - Google Gemini AI for Data Analysis
機器翻譯