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
引言
- 生成式 AI 領導者認證:價值與受眾
- 考試格式、領域與權重,以及如何準備
Gen AI 基礎知識(約 30%)
- 核心 Gen AI 概念與應用案例(AI、ML、LLMs、基礎模型、多模態及擴散模型、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、上下文視窗、成本、效能、客製化)
- Gen AI 中的數據類型與數據品質(結構化 vs 非結構化,標籤化 vs 未標籤化)
- Gen AI 生態系統的層級結構及 Google 的基礎模型(Gemini、Gemma、Imagen、Veo)
Google Cloud 的 Gen AI 產品(約 35%)
- Google Cloud 的 Gen AI 優勢與 AI 優化基礎設施(TPUs、GPUs、超級計算機)
- 預建產品:Gemini app 和 Gemini Advanced,Gemini for Google Workspace,Gemini Enterprise
- 客戶體驗:客戶參與套件(對話式智能體、智能體輔助、對話式見解)
- 開發者支援:Vertex AI / Agent Platform、Model Garden 及 RAG 產品
- Gen AI 智能體工具(擴展、函數、數據庫)及相關的 Google Cloud 服務
改善 Gen AI 模型輸出的技術(約 20%)
- 克服基礎模型的限制(知識截止、偏見、幻覺、邊界案例)
- 提示工程技術(零樣本、一範例、少樣本、角色扮演、提示鏈接、思維鏈、ReAct)
- 錨定與檢索增強生成(RAG)
- 控制輸出的採樣參數(溫度、top-p、記號數量、安全設置)
成功 Gen AI 方案的商業策略(約 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
- 範例題目與各領域逐一複習
- 完整模擬考試與答案分析
- 學習計畫與考試日策略
總結與後續步驟
最低要求
先修條件
- 無需技術先修條件
- 具備業務技術的一般熟悉度將有助益
受眾
- 領導者、經理人和決策者
- 採用生成式 AI 的任何角色的業務專業人員
- 任何人準備參加 Google Cloud 生成式 AI 領導者認證
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