Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Ενότητα 1: Εισαγωγή στην Τεχνητή Νοημοσύνη και το Google Gemini

  • Τι είναι η Τεχνητή Νοημοσύνη (AI);
  • Επισκόπηση του Google Gemini AI και του οικοσυστήματός του
  • Βασικά χαρακτηριστικά και πλεονεκτήματα του Gemini έναντι άλλων μοντέλων τεχνητής νοημοσύνης
  • Πρακτική Δραστηριότητα: Εξερεύνηση του Gemini AI μέσω της επίδειξης του Google AI Studio

Ενότητα 2: Κατανόηση των Μεγάλων Γλωσσικών Μοντέλων (LLMs)

  • Βασικές αρχές των μεγάλων γλωσσικών μοντέλων
  • Η αρχιτεκτονική και η λειτουργία των μοντέλων Gemini
  • Σύγκριση του Gemini με το GPT και άλλα κορυφαία μοντέλα
  • Εργαστήριο Εξάσκησης: Οπτικοποίηση της διαδικασίας tokenization και των απαντήσεων του μοντέλου με δείγματα προτροπών

Ενότητα 3: Ξεκινώντας με το Gemini

  • Ρύθμιση του περιβάλλοντος ανάπτυξης
  • Εργασία με το Gemini API και το SDK
  • Αυθεντικοποίηση, tokens και κλειδιά API
  • Πρακτικό Εργαστήριο: Εκτέλεση της πρώτης σας προτροπής στο Gemini χρησιμοποιώντας Python

Ενότητα 4: Εργασία με τα Μοντέλα Gemini

  • Εξερεύνηση διαφορετικών τύπων και δυνατοτήτων μοντέλων Gemini
  • Επιλογή κατάλληλων μοντέλων για εργασίες γλώσσας, εικόνας ή πολυτροπικές
  • Αρχικοποίηση και δοκιμή παραγωγικών μοντέλων
  • Πρακτική Άσκηση: Σύγκριση αποτελεσμάτων μοντέλων κειμένου-προς-κείμενο και εικόνας-προς-κείμενο

Ενότητα 5: Πρακτικές Εφαρμογές και Περιπτώσεις Χρήσης

  • Ενσωμάτωση του Gemini AI σε εφαρμογές συνομιλίας και ερωτήσεων-απαντήσεων
  • Ανάπτυξη εργαλείων σημασιολογικής αναζήτησης και σύνοψης
  • Δεοντολογική χρήση της τεχνητής νοημοσύνης και ζητήματα μεροληψίας
  • Ομαδικό Έργο: Δημιουργία ενός «Έξυπνου Βοηθού Έρευνας» με χρήση του NotebookLM και του Gemini

Ενότητα 6: Προηγμένα Χαρακτηριστικά και Προσαρμογή

  • Βελτιστοποίηση προτροπών και προηγμένος χειρισμός πλαισίου
  • Χρήση του Gemini για παραγωγή κώδικα και αποσφαλμάτωση
  • Διαδικασίες μικρορύθμισης με το Google Cloud Vertex AI
  • Πρακτική Δραστηριότητα: Προσαρμογή των απαντήσεων του μοντέλου μέσω παραμέτρων και ελέγχου θερμοκρασίας

Ενότητα 7: Έργα Πραγματικού Κόσμου και Συνεργασία

  • Συνεργατικός σχεδιασμός έργου και οργάνωση ροής εργασίας
  • Ενσωμάτωση του Gemini AI με άλλα εργαλεία της Google (Drive, Docs, Sheets)
  • Ομαδικό Έργο: Σχεδιασμός και υλοποίηση μιας μικρής εφαρμογής τεχνητής νοημοσύνης (π.χ. σύνοψη περιεχομένου, chatbot ή γεννήτρια ιδεών)
  • Αξιολόγηση από ομότιμους και συζήτηση των αποτελεσμάτων του έργου

Ενότητα 8: Αξιολόγηση και Μελλοντικές Κατευθύνσεις

  • Αντιμετώπιση κοινών προβλημάτων σε έργα με το Gemini
  • Εξερεύνηση του οδικού χάρτη του Gemini API και των επερχόμενων χαρακτηριστικών
  • Βέλτιστες πρακτικές για τη διακυβέρνηση και την επεκτασιμότητα της τεχνητής νοημοσύνης
  • Δραστηριότητα Ολοκλήρωσης: Ανασκόπηση των πρακτικών μαθημάτων που αποκτήθηκαν και των επαγγελματικών εφαρμογών

Σύνοψη και Επόμενα Βήματα

Απαιτήσεις

  • Κατανόηση βασικών εννοιών τεχνητής νοημοσύνης
  • Εμπειρία με APIs και υπηρεσίες cloud
  • Εμπειρία προγραμματισμού σε Python

Κοινό-στόχος

  • Προγραμματιστές
  • Επιστήμονες δεδομένων
  • Λάτρεις της τεχνητής νοημοσύνης
 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες