Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Μονάδα 1: Εισαγωγή στην Τεχνητή Νοημοσύνη και το Google Gemini
- Τι είναι η Τεχνητή Νοημοσύνη (ΤΝ);
- Επισκόπηση του Google Gemini AI και του περιβάλλοντός του
- Βασικές λειτουργίες και πλεονεκτικά του Gemini έναντι άλλων μοντέλων ΤΝ
- Χειρονηκτική Δραστηριότητα: Εξερεύνηση του Gemini AI μέσω της δεμο-εφαρμογής Google AI Studio
Μονάδα 2: Κατανόηση των Μεγάλων Γλωσσικών Μοντέλων (LLMs)
- Βασικά στοιχεία των μεγάλων γλωσσικών μοντέλων
- Η αρχιτεκτονική και η λειτουργία των μοντέλων Gemini
- Σύγκριση του Gemini με το GPT και άλλα αποδεδειγμένα μοντέλα
- Εργαστήριο Πρακτικής: Οπτικοποίηση του tokenization και απαντήσεων μοντέλου χρησιμοποιώντας δείγμα prompts
Μονάδα 3: Ξεκούρασμα με το Gemini
- Ρύθμιση του περιβάλλοντος ανάπτυξης
- Εργασία με το API και SDK του Gemini
- Επαλήθευση, tokens και API keys
- Χειρονηκτικό Εργαστήριο: Εκτέλεση του πρώτου prompt του Gemini χρησιμοποιώντας Python
Μονάδα 4: Εργασία με τα Μοντέλα Gemini
- Εξερεύνηση διαφορετικών τύπων και δυνατοτήτων μοντέλων Gemini
- Επιλογή κατάλληλων μοντέλων για γλωσσικά, εικονικά ή πολυμεσικά εργασίες
- Αρχικοποίηση και δοκιμή γεννητικών μοντέλων
- Πρακτική Ασκητική: Σύγκριση απαντήσεων των μοντέλων text-to-text και image-to-text
Μονάδα 5: Πρακτικές Εφαρμογές και Σεναρίους Χρήσης
- Ενσωμάτωση του Gemini AI σε εφαρμογές chat και Q&A
- Ανάπτυξη εργαλείων πολυήμανσης αναζήτησης και σύντομης περιγραφής
- Ηθική χρήση της ΤΝ και λογισμός προκατάληψης στερεοτύπων
- Ομαδικό Έργο: Δημιουργία μιας «Εξυφάνιση Συμβουλέα Ερεύνης» χρησιμοποιώντας NotebookLM και Gemini
Μονάδα 6: Προχωρημένες Λειτουργίες και Προσαρμογή
- Βελτιστοποίηση prompts και προηγμένη διαχείριση context
- Χρήση του Gemini για δημιουργία κώδικα και αποτυπωματικός έλεγχος
- Προσαρμογή προϊόντων με τη χρήση Google Cloud Vertex AI
- Χειρονηκτική Δραστηριότητα: Προσαρμογή απαντήσεων μοντέλου χρησιμοποιώντας παραμέτρους και το temperature control
Μονάδα 7: Πρακτικά Σενάρια και Συνεργασία
- Σχεδιασμός συνεργατικών εργασιών και ρύθμιση ρούτων λειτουργίας
- Ενσωμάτωση του Gemini AI με άλλες εφαρμογές Google (Drive, Docs, Sheets)
- Ομαδικό Έργο: Σχεδιασμός και εφαρμογή μιας μικρής εφαρμογής AI (π.χ., συνοπτικά, chatbot, ή γεννητή πληροφοριών)
- Αξιολόγηση και συζήτηση των αποτελεσμάτων του έργου
Μονάδα 8: Αξιολόγηση και Μέλλοντικές Διευθύνσεις
- Επίλυση κοινών προβλημάτων σε εργασίες με το Gemini
- Εξερεύνηση του roadmap API του Gemini και των μελλοντικών λειτουργιών
- Καλές πρακτικές για διαχείριση ΤΝ και αναπτυξιακό περιθώριο
- Επιμελητήρια Δραστηριότητα: Ανάληψη των πρακτικών διδαγμάτων και εφαρμογές σε μελλοντική επαγγελματική κατεύθυνση
Περίληψη και Επόμενα Βήματα
Απαιτήσεις
- Κατανόηση βασικών εννοιών του ΤΕΧΝ
- Εμπειρία με APIs και υπηρεσίες σύγχρονης νεφέλης
- Εμπειρία προγραμματισμού με Python
Ακροατήριο
- Προγραμματιστές
- Επιστήμονες δεδομένων
- Συμφιλοφρόνες ΤΕΧΝ
14 Ώρες
Σχόλια (1)
Ροή, ατμός και θέμα στην παρουσίαση
Lukasz Kowalczyk - Allegro Sp. z o.o.
Κομμάτι - Google Gemini AI for Data Analysis
Μηχανική Μετάφραση