لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Google Gemini برای توسعه دهندگان
Google Gemini for Developers
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
Google Gemini یک خانواده از مدلهای زبان بزرگ چندوجهی است که به طور یکپارچه در تصاویر، ویدیو، صدا و کد کار میکند. در این دوره، مربی لین لنگیت به شما نشان می دهد که چگونه از الگوها، ابزارها و بهترین شیوه های طراحی Google Gemini برای ساخت برنامه های مبتنی بر LLM استفاده کنید. اینها شامل الگوهایی برای شناسایی و طراحی نیازمندیها است که می تواند شامل مهندسی سریع، الگوهای RAG و تنظیم دقیق باشد. با قابلیتهای Google Gemini آشنا شوید، با درک استودیوی هوش مصنوعی مولد، و سپس غواصی در توسعه، ارزیابی و استقرار مدلها. و برنامه های Gemini مانند باغ مدل Vertex AI و سازنده عامل Vertex AI را کاوش کنید.
سرفصل ها و درس ها
معرفی
Introduction
استفاده از خدمات ابری
Using cloud services
آنچه شما باید بدانید
What you should know
با Google Gemini برنامه های مبتنی بر LLM بسازید
Build LLM-based applications with Google Gemini
1. Gemini Dev Environments
1. Gemini Dev Environments
از Gemini Code Assist در ایستگاه های کاری ابری استفاده کنید
Use Gemini Code Assist in cloud workstations
از Vertex AI Studio استفاده کنید
Use Vertex AI Studio
آشنایی با گوگل جمینی
Understanding Google Gemini
از نوت بوک های کولب استفاده کنید
Use Colab Notebooks
از Google AI Studio استفاده کنید
Use Google AI Studio
2. Gemini Prompts
2. Gemini Prompts
از دستورالعمل های سیستم با اعلان ها استفاده کنید
Use system instructions with prompts
دستورات طراحی در کد ابری برای APIها
Design prompts in Cloud Code for APIs
از Google AI Studio برای آزمایش درخواستها استفاده کنید
Use Google AI Studio to test prompts
طراحی و آزمایش مدل زبان
Design and test language model prompts
اعلان های چندوجهی را طراحی و آزمایش کنید
Design and test multimodal prompts
3. نوت بوک ها و API های Gemini
3. Gemini Notebooks and APIs
استفاده از فراخوانی تابع با Gemini
Using function calling with Gemini
برنامه نویسی موارد استفاده چند وجهی
Programming multimodal use cases
با جمینی از جاسازی استفاده کنید
Use embeddings with Gemini
از Gemini File API استفاده کنید
Use the Gemini File API
استفاده از Gemini API: اعلانهای تست
Using the Gemini API: Testing prompts
استفاده از Gemini API: راه اندازی کنید
Using the Gemini API: Set up
با Gemini یک الگوی RAG پیاده سازی کنید
Implement a RAG pattern with Gemini
با Gemini یک الگوی RAG تنظیم کنید
Set up a RAG pattern with Gemini
4. ارزیابی مدل جمینی
4. Gemini Model Evaluation
ارزیابی مدل را انجام دهید
Perform model evaluation
یک مدل را با جستجوی Google زمین کنید
Ground a model with Google Search
یک مدل Gemini را تنظیم دقیق کنید
Fine-tune a Gemini model
ارزیابی مدل را درک کنید
Understand model evaluation
ارت مدل را درک کنید
Understand model grounding
زمین با یک بازیابی معنایی
Ground with a semantic retriever
5. برنامه های کاربردی Gemini
5. Gemini Applications
استقرار یک معماری ابری GenAI: پایگاه دانش
Deploy a GenAI cloud architecture: Knowledge base
پیش نمایش Vertex AI Agent Builder
Preview of Vertex AI Agent Builder
از Vertex AI Model Garden استفاده کنید
Use Vertex AI Model Garden
استقرار یک معماری ابری GenAI: خلاصه اسناد
Deploy a GenAI cloud architecture: Document summaries
Lynn Langit یک معمار ابری است که با خدمات وب آمازون و Google Cloud Platform کار می کند.
لین متخصص در پروژه های کلان داده است. او با AWS Athena، Aurora، Redshift، Kinesis و IoT کار کرده است. او همچنین کارهای تولیدی را با Databricks برای Apache Spark و Google Cloud Dataproc، Bigtable، BigQuery و Cloud Spanner انجام داده است.
لین همچنین بنیانگذار است. آموزش برنامه نویسی به کودکان. او درباره داده ها و فناوری های ابری در آمریکای شمالی و جنوبی، اروپا، آفریقا، آسیا و استرالیا صحبت کرده است.
نمایش نظرات