Kurzusleírás
- 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
Vélemények (1)
Előadás témája, hangulata és folyamatának megtervezése- **Bevezetés** - Előadás célja és témája - Cég és résztvevők bemutatása- **Téma** - Előadás témája - Fontos témák, szakkifejezések, eszközök - Példák és esettanulmányok- **Hangulat** - Alapszabályok - Összehasonlítási elemek - Interaktív elemek - Vizuális segédeszközök- **Folyamat** - Bevezető - Fő rész - Záró - Kérdések és válaszok- **Technikai előkészületek** - Hardver és szoftver - Előadói munkahely - Technikai támogatás- **Pszichológiai előkészületek** - Önbizalom - Publikumi kapcsolattartás - Ügyesség és hatékonyság- **Ellenőrzési lista** - Előadás tartalmakának ellenőrzése - Technikai eszközök ellenőrzése - Előadás helyszínének ellenőrzése - Előadói ruházat - Időpontellenőrzés
Lukasz Kowalczyk - Allegro Sp. z o.o.
Kurzus - Google Gemini AI for Data Analysis
Gépi fordítás