Kurzusleírás

Modul 1: Bevezetés az AI-be és a Google Gemini-be
  • Mi az Műszaki Intelligencia (AI)?
  • Áttekintés a Google Gemini AI-ről és az ökológiájáról
  • Gemini főbb funkciói és előnyei más AI-modellek felett
  • Pratikus tevékenység: Gemini AI felfedezése a Google AI Studio demo segítségével

Modul 2: Nagy Nyelvi Modell (LLM) megértése

  • Nagy nyelvi modell alapelvei
  • A Gemini-modellek architektúrája és működése
  • Gemini összehasonlítása a GPT-vel és más vezető modellökkel
  • Gyakorló labor: Tokenizáció és modellválasz vizualizálása mintapromptok segítségével

Modul 3: Első lépések a Gemini-vel

  • A fejlesztői környezet beállítása
  • A Gemini API és SDK használata
  • Autentikáció, tokenek és API-kulcsok
  • Pratikus labor: Első Gemini prompt futtatása Python segítségével

Modul 4: Geminimodellek használata

  • Különböző Gemini modelltípusok és képességek felfedezése
  • Helyes modellválasztás nyelv-, kép- vagy multimodális feladatokhoz
  • Generatív modellek inicializálása és tesztelése
  • Pratikus gyakorlat: Szöveg-szöveg és kép-szöveg modellkimenetek összehasonlítása

Modul 5: Pratikus alkalmazások és felhasználási esetek

  • Gemini AI integrálása chat és Q&A alkalmazásokba
  • Szemanikus kereső és összefoglaló eszközök fejlesztése
  • Etikai AI használat és eltorzítások figyelembevétele
  • Csoportprojekt: „Okos Kutatási Segéd” készítése NotebookLM és Gemini használatával

Modul 6: Fejlett funkciók és testreszabás

  • Prompt optimalizálás és fejlett kontextuskezelés
  • Gemini használata kódgeneráláshoz és hibakereséshez
  • Finetuning munkafolyamatok Google Cloud Vertex AI használatával
  • Pratikus tevékenység: Modellválaszok testreszabása paraméterek és hőmérsékletvezérlés használatával

Modul 7: Valós világbeli projektek és együttműködés

  • Projekttervezés és munkafolyamat beállítása
  • Gemini AI integrálása más Google eszközökkel (Drive, Docs, Sheets)
  • Csapati projekt: Kis AI alkalmazás (pl. tartalomösszefoglaló, chatbot, vagy ötletgenerátor) tervezése és telepítése
  • Projekt eredményeinek társas értékelése és megbeszélése

Modul 8: Értékelés és jövőbeli irányok

  • Gemini projektekben előforduló problémák hibakeresése
  • A Gemini API útvonala és jövőbeli funkciók felfedezése
  • Legjobb gyakorlatok az AI irányításához és skalázhatóságához
  • Záró tevékenység: Pratikus leckék visszapillantása és pályafutási alkalmazások

Összegzés és Következő lépések

Követelmények

  • Az alapvető AI fogalmak megértése
  • API-k és felhőszolgáltatások tapasztalata
  • Python programozási tapasztalat

Audience

  • Fejlesztők
  • Adattudósok
  • AI-rajongók
 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák