أصدرت Google مسارًا تعلميًا للذكاء الاصطناعي ، بما في ذلك 8 دورات واختبارين ، تغطي كل شيء بدءًا من المبادئ التقنية ، وأساليب التنفيذ ، وسيناريوهات التطبيق ، والتطوير والنشر. توجد بعض الدورات التدريبية في Google Cloud ، ولكن المحتوى والهيكل جيد جدًا تمامًا حر.

يتم تقديم الدورات الثمانية وربطها على النحو التالي:
ملاحظة من Xiaopang: إذا كنت لا تعرف ما يجب أن تتعلمه ، فيمكنك قراءة المقدمة. إذا كانت يديك تشعر بالحكة ، فيمكنك الانتقال مباشرةً إلى # 4 # 5 # 8 للقيام بثلاثة مشاريع عملية: إنشاء نص من نص ، وإنشاء نص من النص ، وتوليد النص من الصور.
1. ما هو الذكاء الاصطناعي التوليدي ، وما هي تطبيقاته ، وكيف يختلف عن التعلم الآلي التقليدي.
[أكمل هدف محو الأمية بعد التعلم]
2. ما هو نموذج اللغة الكبير (LLM) ، وسيناريوهات التطبيق لنموذج لغة كبير ، وكيف يمكن للكلمات السريعة () والضبط الدقيق (الضبط الدقيق) تحسين أداء النموذج.
[أكثر من 90٪ من أصدقاء Twitter الصينيين بعد التعلم]
3. ما هو الذكاء الاصطناعي المسؤول (AI Responsible AI) ، ولماذا من المهم أن تكون نماذج الذكاء الاصطناعي آمنة وموثوقة وأخلاقية ، وكيفية بناء منتج يستخدم الذكاء الاصطناعي المسؤول.
[ليست هناك قيمة عملية كبيرة. بعد التعلم ، يمكنك التباهي على مائدة النبيذ ولكنك ستشعر بالاشمئزاز. 】
4. نماذج الانتشار نظرية نموذج توليد الصور وطرق التدريب النموذجية وكيفية نشر النموذج في السحابة (البدء في جلب البضائع!).
[بعد التعلم ، يمكنك معرفة كيفية التلاعب بهذه الشركات المبتدئة لإنشاء الصور]
5. مبادئ هندسة نموذج وحدة فك التشفير المستخدمة على نطاق واسع في مهام مثل الترجمة الآلية والتعرف على الكلام ، وكيفية بناء جيل شعري بالذكاء الاصطناعي بهذه البنية في TensorFlow
[في الواقع ، لا تستخدم معظم الشركات الناشئة لإنشاء النصوص هذا الغلاف ... إنه أمر صعب للغاية بالنسبة لهم ... ولكن يمكنك إنشاء اللبنات الأساسية الخاصة بك مسبقًا وكيفية تغطية نشاطك التجاري]
6. كيف تقوم آلية الانتباه في الشبكة العصبية بتخصيص موارد الحوسبة لمهام أكثر أهمية في ظل حالة قوة الحوسبة المحدودة ، وتحسين أداء الترجمة والتلخيص والإجابة على الأسئلة وما إلى ذلك.
[معظم أصحاب رؤوس الأموال ورواد الأعمال من ذوي الخلفيات غير التقنية لا يمكنهم الوصول إلى هذا المستوى ، وفي هذا الوقت لن يتم كسر المفاخرة بسهولة]
7. المبدأ الأساسي لتكنولوجيا ما قبل التدريب BERT (تمثيلات التشفير ثنائي الاتجاه من المحولات) في معالجة اللغة الطبيعية ، وكيف يمكن أن تجعل الذكاء الاصطناعي يحسن بشكل كبير القدرة على فهم النص غير المصنف في سياق العديد من المهام المختلفة.
[علمي ... إنه رائع حقًا ... ولكن يبدو أن Google تتفاخر بتقنيتها الخاصة ...]
8. تعلم كيفية فهم الصور ووضع العلامات عليها ، وتعلم كيفية بناء نموذج ذكاء اصطناعي ينظر إلى الصور ويتحدث ويفهم الصور.
【صعب وممتع! لم أر العديد من التطبيقات في هذا المجال حتى الآن]