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 領導者認證:價值與受衆
- 考試格式、領域權重及備考建議
Gen AI 基礎(約佔30%)
- 核心 gen AI 概念與用例(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)及 ML 生命週期
- 基礎模型選擇標準(模態、上下文窗口、成本、性能、定製化)
- gen AI 中的數據類型與數據質量(結構化與非結構化、標註與非標註)
- Gen AI 格局層級及 Google 的基礎模型(Gemini、Gemma、Imagen、Veo)
Google Cloud 的 Gen AI 產品(約佔35%)
- Google Cloud 在 gen AI 領域的優勢及 AI 優化基礎設施(TPU、GPU、超級計算機)
- 預建產品:Gemini App 和 Gemini Advanced、Google Workspace 的 Gemini、企業級 Gemini
- 客戶體驗:客戶參與套件(對話智能體、智能體輔助、對話洞察)
- 開發者賦能:Vertex AI / Agent Platform、模型花園及 RAG 產品
- Gen AI 智能體工具鏈(擴展、函數、數據存儲)及相關 Google Cloud 服務
提升 Gen AI 模型輸出的技術(約佔20%)
- 克服基礎模型侷限性(知識截止日期、偏見、幻覺、邊緣情況)
- 提示工程技術(零樣本、單樣本、少樣本、角色扮演、提示鏈、思維鏈、ReAct)
- 接地與檢索增強生成(RAG)
- 控制輸出的採樣參數(溫度、top-p、token 數量、安全設置)
成功 Gen AI 解決方案的企業戰略(約佔15%)
- 實施步驟與解決方案選擇方法論
- 安全 AI 及 Google 的安全 AI 框架 (SAIF)
- 負責任 AI:隱私、偏見與公平性、問責制及可解釋性
考試備考
- 示例題目與分領域回顧
- 全真模擬考及答案解析
- 學習計劃與考試日策略
總結與後續步驟
最低要求
先決條件
- 無需技術要求
- 具備一般商業技術知識會有幫助
目標受衆
- 領導者、管理者及決策者
- 任何角色中採用生成式 AI 的商業專業人士
- 所有備考 Google Cloud 生成式 AI 領導者認證的人員
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