Google telah merilis jalur pembelajaran AI generatif, termasuk 8 kursus dan 2 pengujian, yang mencakup semuanya mulai dari prinsip teknis, metode implementasi, skenario aplikasi, serta pengembangan dan penerapan. Beberapa kursus ada di Google Cloud, tetapi konten dan strukturnya sangat bagus, lengkap bebas.

8 kursus diperkenalkan dan dihubungkan sebagai berikut:
Catatan dari Xiaopang: Jika Anda tidak tahu apa yang harus dipelajari, Anda dapat membaca pengantar Jika tangan Anda gatal, Anda dapat langsung ke #4 5 #8 untuk melakukan tiga proyek praktis: membuat teks dari teks, membuat teks dari teks, dan menghasilkan teks dari gambar.
1. Apa itu AI generatif, apa aplikasinya, dan apa bedanya dengan pembelajaran mesin tradisional.
[Selesaikan tujuan literasi setelah belajar]
2. Apa itu model bahasa besar (LLM), skenario penerapan model bahasa besar, dan bagaimana kata cepat () dan penyetelan halus (fine-tuning) dapat meningkatkan kinerja model.
[Lebih dari 90% teman Twitter Cina setelah belajar]
3. Apa itu AI yang bertanggung jawab (Responsible AI), mengapa penting agar model AI aman, andal, dan etis, dan bagaimana membangun produk yang menggunakan AI yang bertanggung jawab.
[Tidak banyak nilai praktis. Setelah belajar, Anda bisa menyombongkan diri di meja anggur tetapi Anda akan merasa jijik. 】
4. Model Difusi Teori model pembuatan gambar, metode pelatihan model dan cara menyebarkan model ke cloud (mulai membawa barang!).
[Setelah mempelajari, Anda dapat mengetahui bagaimana perusahaan rintisan penghasil citra tersebut dimanipulasi]
5. Prinsip arsitektur model encoder-decoder banyak digunakan dalam tugas-tugas seperti terjemahan mesin dan pengenalan suara, dan cara membangun AI generasi puisi dengan arsitektur ini di TensorFlow
[Sebenarnya, sebagian besar startup pembuatan teks tidak menggunakan sampul ini...terlalu sulit bagi mereka...tetapi Anda dapat membuat blok bangunan sendiri terlebih dahulu dan cara menutupi bisnis Anda]
6. Bagaimana Mekanisme Perhatian dalam jaringan saraf mengalokasikan sumber daya komputasi untuk tugas-tugas yang lebih penting dalam kondisi daya komputasi yang terbatas, dan meningkatkan kinerja terjemahan, peringkasan, menjawab pertanyaan, dll.
[Kebanyakan VC dan pengusaha dengan latar belakang non-teknis tidak dapat mencapai level ini, saat ini kesombongan tidak akan mudah dipatahkan]
7. Prinsip-prinsip dasar dari teknologi pra-pelatihan BERT (Bidirectional Encoder Representations from Transformers) dalam pemrosesan bahasa alami, dan bagaimana hal itu dapat membuat AI secara signifikan meningkatkan kemampuan untuk memahami teks tanpa label dalam konteks dalam berbagai tugas.
[Ilmiah...ini sangat mengagumkan...tapi sepertinya Google menyombongkan teknologinya sendiri...]
8. Pelajari pemahaman dan pelabelan gambar, dan pelajari cara membangun model kecerdasan buatan yang melihat gambar, berbicara, dan memahami gambar.
【Sulit dan menyenangkan! Saya belum melihat banyak aplikasi di bidang ini]