Lépjen kapcsolatba velünk

Kurzusleírás

Bevezetés

  • A Generative AI Leader tanúsítvány: értéke és célközönsége
  • Vizsga formátuma, domainjei és súlyozása, valamint a felkészülés módja

A Gen AI alapjai (~30%)

  • Alapvető gen AI koncepciók és felhasználási esetek (AI, gépi tanulás, LLM-ek, alapmodellek, multimodális modellek, diffúziós modellek, prompt mérnökség)
  • Gépi tanulási megközelítések (felügyelt, felügyelet nélküli, megerősítéses) és a gépi tanulás életciklusa
  • Alapmodellek kiválasztási szempontjai (modálisitás, kontextus ablak, költség, teljesítmény, testreszabhatóság)
  • Adattípusok és adatszintű minőség a gen AI-ban (strukturált vs. strukturálatlan, címkézett vs. címkézetlen)
  • A gen AI ökoszisztéma rétegei és a Google alapmodelljei (Gemini, Gemma, Imagen, Veo)

A Google Cloud Gen AI kínálata (~35%)

  • A Google Cloud gen AI erősségei és az AI-optimalizált infrastruktúra (TPU-k, GPU-k, hiper-számítógép)
  • Előre készített kínálatok: Gemini alkalmazás és Gemini Advanced, Gemini a Google Workspace-hoz, Gemini Enterprise
  • Felhasználói élmény: Ügyfélkapcsolati keretrendszer (Konverzaciós ügynökök, Agent Assist, Konverzaciós betekintések)
  • Fejlesztői támogatás: Vertex AI / Ügyneti platform, Model Garden és RAG kínálatok
  • Gen AI ügyneti eszközök (bővítmények, funkciók, adattárolók) és kapcsolódó Google Cloud szolgáltatások

A Gen AI modell kimenetének javító technikái (~20%)

  • Alapmodellek korlátainak leküzdése (tudás vágás, torzítás, hallucinációk, szélső esetek)
  • Prompt mérnökségi technikák (zero-shot, one-shot, few-shot, szerep, prompt-láncolás, gondolatmenet-lánc, ReAct)
  • Grounding és Visszakeresésre bővített generálás (RAG)
  • Mintavételi paraméterek a kimenet szabályozására (hőmérséklet, top-p, token szám, biztonsági beállítások)

A sikeres Gen AI megoldások üzleti stratégiái (~15%)

  • Implementációs lépések és megoldáskiválasztási módszertan
  • Biztonságos AI és a Google Secure AI Framework (SAIF)
  • Felelős AI: adatvédelem, torzítás és tisztesség, felelősségvállalás, magyarázhatóság

Vizsgára felkészülés

  • Minta kérdések és domain-enkénti áttekintés
  • Teljes szimulált vizsga és válasz Elemzés
  • Tanulási terv és vizsa-napi stratégia

Foglalás és következő lépések

Követelmények

Előfeltételek

  • Nincsenek szükséges műszaki előfeltételek
  • Az üzleti technológiák általános ismerete hasznos

Célközönség

  • Vezetők, menedzserek és döntéshozók
  • A generatív AI-t bármilyen szerepkörben alkalmazzák a üzleti szakemberek
  • Bárki, aki a Google Cloud Generative AI Leader tanúsítványra készül
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák