Niestety, ta okazja wygasła 6 minut temu.
2783°
Opublikowano 29 lutego 2024
Darmowe szkolenia AI od Google
Opublikowane przez
Wąsaty_Meksykanin33
Dołączył w 2022
31
385
O tej okazji
Ta okazja już wygasła. Oto kilka opcji, które mogą Cię zainteresować:
Google oferuje DARMOWY kurs AI.
Nie musisz płacić.
Oto 8 bezpłatnych kursów Google, które uczynią Cię profesjonalistą w dziedzinie generatywnej sztucznej inteligencji
1. Wprowadzenie do generatywnej AI:
Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.
link: cloudskillsboost.google/cou…536
2. Introduction to Large Language Models:
To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.
Link: cloudskillsboost.google/cou…539
3. Wprowadzenie do odpowiedzialnej AI:
Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.
Link: cloudskillsboost.google/cou…554
4. Wprowadzenie do generowania obrazu:
Ten kurs przedstawia modele dyfuzyjne, rodzinę modeli uczenia maszynowego, które ostatnio okazały się obiecujące w przestrzeni generowania obrazów. Modele dyfuzyjne czerpią inspirację z fizyki, w szczególności z termodynamiki. W ciągu ostatnich kilku lat modele dyfuzyjne stały się popularne zarówno w badaniach, jak i przemyśle. Modele dyfuzji stanowią podstawę wielu najnowocześniejszych modeli i narzędzi generowania obrazów w Google Cloud. W tym kursie zapoznasz się z teorią modeli dyfuzyjnych oraz sposobami ich trenowania i wdrażania w Vertex AI.
Link: cloudskillsboost.google/cou…541
5. Architektura kodera-dekodera:
Ten kurs zawiera streszczenie architektury kodera-dekodera, która jest potężną i rozpowszechnioną architekturą uczenia maszynowego do zadań sekwencyjnych, takich jak tłumaczenie maszynowe, podsumowywanie tekstu i odpowiadanie na pytania. Dowiesz się o głównych komponentach architektury kodera-dekodera oraz o tym, jak trenować i obsługiwać te modele. W odpowiednim przewodniku po laboratorium będziesz od początku kodować w TensorFlow prostą implementację architektury kodera.
Link: cloudskillsboost.google/cou…543
6. Mechanizm uwagi:
Ten kurs wprowadzi Cię w mechanizm uwagi, potężną technikę, która pozwala sieciom neuronowym skupiać się na określonych częściach sekwencji wejściowej. Dowiesz się, jak działa uwaga i jak można ją wykorzystać do poprawy wydajności różnych zadań uczenia maszynowego, w tym tłumaczenia maszynowego, podsumowania tekstu i odpowiadania na pytania.
Link: cloudskillsboost.google/cou…537
7. Wprowadzenie do ścieżki edukacyjnej generatywnej sztucznej inteligencji:
Ta ścieżka edukacyjna zapewnia przegląd koncepcji generatywnej sztucznej inteligencji, od podstaw dużych modeli językowych po zasady odpowiedzialnej sztucznej inteligencji.
cloudskillsboost.google/pat…118
8. Utwórz modele podpisów obrazów
W tym kursie dowiesz się, jak utworzyć model podpisów obrazów przy użyciu głębokiego uczenia. Dowiesz się o różnych składnikach modelu podpisów obrazów, takich jak koder i dekoder, oraz o tym, jak trenować i oceniać model. Pod koniec tego kursu będziesz potrafił tworzyć własne modele podpisów do obrazów i używać ich do generowania podpisów do obrazów.
Link: cloudskillsboost.google/cou…542
Nie musisz płacić.
Oto 8 bezpłatnych kursów Google, które uczynią Cię profesjonalistą w dziedzinie generatywnej sztucznej inteligencji
1. Wprowadzenie do generatywnej AI:
Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest generatywna AI oraz jakie są jej zastosowania. Szkolenie przedstawia również różnice pomiędzy tą technologią a tradycyjnymi systemami uczącymi się, a także narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.
link: cloudskillsboost.google/cou…536
2. Introduction to Large Language Models:
To szybkie szkolenie dla początkujących wyjaśnia, czym są duże modele językowe (LLM) oraz jakie są ich zastosowania. Przedstawia również możliwości zwiększenia ich wydajności przez dostrajanie przy użyciu promptów oraz narzędzia Google, które pomogą Ci tworzyć własne aplikacje korzystające z generatywnej AI.
Link: cloudskillsboost.google/cou…539
3. Wprowadzenie do odpowiedzialnej AI:
Celem tego szybkiego szkolenia dla początkujących jest wyjaśnienie, czym jest odpowiedzialna AI i dlaczego jest ważna, oraz przedstawienie, jak Google wprowadza ją w swoich usługach. Szkolenie zawiera także wprowadzenie do siedmiu zasad Google dotyczących sztucznej inteligencji.
Link: cloudskillsboost.google/cou…554
4. Wprowadzenie do generowania obrazu:
Ten kurs przedstawia modele dyfuzyjne, rodzinę modeli uczenia maszynowego, które ostatnio okazały się obiecujące w przestrzeni generowania obrazów. Modele dyfuzyjne czerpią inspirację z fizyki, w szczególności z termodynamiki. W ciągu ostatnich kilku lat modele dyfuzyjne stały się popularne zarówno w badaniach, jak i przemyśle. Modele dyfuzji stanowią podstawę wielu najnowocześniejszych modeli i narzędzi generowania obrazów w Google Cloud. W tym kursie zapoznasz się z teorią modeli dyfuzyjnych oraz sposobami ich trenowania i wdrażania w Vertex AI.
Link: cloudskillsboost.google/cou…541
5. Architektura kodera-dekodera:
Ten kurs zawiera streszczenie architektury kodera-dekodera, która jest potężną i rozpowszechnioną architekturą uczenia maszynowego do zadań sekwencyjnych, takich jak tłumaczenie maszynowe, podsumowywanie tekstu i odpowiadanie na pytania. Dowiesz się o głównych komponentach architektury kodera-dekodera oraz o tym, jak trenować i obsługiwać te modele. W odpowiednim przewodniku po laboratorium będziesz od początku kodować w TensorFlow prostą implementację architektury kodera.
Link: cloudskillsboost.google/cou…543
6. Mechanizm uwagi:
Ten kurs wprowadzi Cię w mechanizm uwagi, potężną technikę, która pozwala sieciom neuronowym skupiać się na określonych częściach sekwencji wejściowej. Dowiesz się, jak działa uwaga i jak można ją wykorzystać do poprawy wydajności różnych zadań uczenia maszynowego, w tym tłumaczenia maszynowego, podsumowania tekstu i odpowiadania na pytania.
Link: cloudskillsboost.google/cou…537
7. Wprowadzenie do ścieżki edukacyjnej generatywnej sztucznej inteligencji:
Ta ścieżka edukacyjna zapewnia przegląd koncepcji generatywnej sztucznej inteligencji, od podstaw dużych modeli językowych po zasady odpowiedzialnej sztucznej inteligencji.
cloudskillsboost.google/pat…118
8. Utwórz modele podpisów obrazów
W tym kursie dowiesz się, jak utworzyć model podpisów obrazów przy użyciu głębokiego uczenia. Dowiesz się o różnych składnikach modelu podpisów obrazów, takich jak koder i dekoder, oraz o tym, jak trenować i oceniać model. Pod koniec tego kursu będziesz potrafił tworzyć własne modele podpisów do obrazów i używać ich do generowania podpisów do obrazów.
Link: cloudskillsboost.google/cou…542
Aktualizacje społecznościowe
67 Komentarzy
sortowanie:@ObnazamZmowyCenowe ma rację. AI, czy po polsku SI w obecnej postaci to nadużycie. Co prawda nie minusowałbym wstawki o AI, bo może to być przydatne narzędzie, jednak faktycznie ludzie są robieni marketingowo w balona.
Jeśli nawet mało inteligentnemu człowiekowi beż wcześniejszego przeszkolenia na milionach tekstów wejściowych otworzysz puszkę z żarciem i go nakarmisz. Później wrzucisz go do pokoju z zamkniętą puszką oraz stertą różnych śmieci to wykombinuje sposób na otwarcie puszki co by nie zemrzeć z głodu. Mówimy o puszce starego typu bez zaczepki do otwierania
W przypadku obecnych AI:
- bez wskazania celu działania - nie umrzeć
- bez wskazania drogi do celu - otwarcie puszki (opcjonalny krok, ale przyspieszy uczenie)
- bez nauki - czy to poprzez miliony głupich prób i ocenianie sukcesu lub porażki każdej z nich, albo dostarczenia rozwiązań takich samych lub podobnych problemów
Oczywiście AI nie je jedzenia, jednak można jej przedstawić taki problem do rozwiązania. Zresztą można by było wymyślić analogię bardziej pasującą do "maszyny", np użycie nowego akumulatora zanim stary się jej wyczerpie.
Obecne SI nic nie zrobią. To człowiek jest nadal elementem inteligentnym, który to pomaga algorytmowi nauczyć się rozwiązywać konkretny, zdefiniowany problem. A od tego bardzo długa droga do prawdziwej inteligencji.
Przykładów jak bardzo nie działa sztuczna jest wiele i wiele z nich pokazuje jak bardzo nie jest to inteligencja. Przykładowo ostatnio rozmawiałem z AI od googla o liczbach pierwszych.
Powiedziała mi że 1001 nie jest liczbą pierwszą bo ma 8 dzielników i wymieniła je: 1, 7, 11, 13, 77, 91 i 1001. Tyle że wymieniła 7, a nie 8. Poprosiłem o podanie wszystkich ośmiu. Zwróciła ten sam wynik. Próbowałem kilkukrotnie formułując zapytanie w różny sposób. Niestety nie podała całego kompletu, a nawet zaczęła przepraszać i usuwać poprawne dzielniki z listy, cały czas twierdząc że jest ich osiem.
Nawet mało rozgarnięty człowiek nie pokusiłby się o podanie z całą stanowczością, że jest 8 dzielników, i nie potrafił ich wymienić. Albo twierdzić, że podanych 7 to już komplet. Zmieniłby zdanie i powiedział że się pomylił i jest ich faktycznie 7, albo by znalazł brakujący. Jednak nie AI, ta nieinteligentna "maszyna" do końca twierdzi że 2 + 2 to 17 i co jej zrobisz?
P.S. Mam wykształcenie informatyczne, taki zwykły mgr. Nie, nie pracuję zawodowo z AI. Jednak w ramach edukacji miałem do czynienia z metodami numerycznymi, systemami rozmytymi, sieciami neuronowymi. Nie tylko jako użytkownik końcowy, ale samemu pisząc działające algorytmy. Później hobbistycznie i czasami w ramach pracy korzystałem z narzędzi AI. Więc tak NIE JESTEM "EKSPERTĘM", jednak wiedzę mam na tyle dużą aby móc rozpoznać że coś co nazywamy SI nie ma nic wspólnego z prawdziwą inteligencją, jest jedynie specyficznie stworzoną skomplikowaną funkcją aproksymacyjną.
Lubię AI, używam - a jednak uważam że nie ma tam I (dzięki za zwrócenie uwagi ). Taki ze mnie @#$@$. (Edytowano) (Edytowano)
Nadużycie terminu “AI” lub “SI”: Zgadzam się, że terminologia może być myląca. Współczesne systemy, które nazywamy “sztuczną inteligencją”, często nie są tak inteligentne, jakby sugerowała sama nazwa. Marketing często nadużywa tych terminów, co może prowadzić do dezinformacji.
Porównanie do człowieka: Twoja analogia z puszką pokazuje, że ludzie mają zdolność do kreatywnego myślenia i rozwiązywania problemów w sposób, który nie zawsze jest przewidywalny. W przeciwieństwie do ludzi, obecne systemy SI są ograniczone do tego, co zostało im przeszkolone. Nie mają wewnętrznego zrozumienia ani intuicji.
Cel działania i nauka: Masz rację, że bez jasno określonego celu działania, SI nie będzie w stanie osiągnąć zamierzonych rezultatów. Nauka jest kluczowa, ale obecne modele uczą się na podstawie ogromnych ilości danych, a nie w sposób, który przypomina ludzkie eksperymenty i refleksje.
Przykład z liczbami pierwszymi: Twój przykład z AI od Google pokazuje, że obecne systemy nie zawsze są doskonałe. Czasami popełniają błędy, a ich odpowiedzi mogą być niepełne lub mylące. To wynika z tego, że są one oparte na statystyce i wzorcach, a nie na pełnym zrozumieniu.
W skrócie, obecne SI to narzędzia, które mogą pomóc w rozwiązywaniu konkretnych problemów, ale nie są to jeszcze prawdziwe inteligencje. Droga do prawdziwej inteligencji jest długa i wymaga dalszych badań i rozwoju technologii.
Odpowiedź wygenerowana przez SI od Microsoft.
za AI ZAWSZE MINUS ➖
Nie dajcie zrobić z siebie 🐏🐏🐏
Słowo "Inteligencja" w tzw AI jest nadużyciem stworzonym na potrzeby marketingowe. W rzeczywistości to nie jest żadna inteligencja tylko statystyczna obróbka danych. Inteligencja w myśl definicji pozwala na kreatywne wytwarzanie dzieł przekraczając dotychczasową wiedzę. AI wszystko co jest w stanie wytworzyć zostało już wcześniej wytworzone, następnie załadowane do pamięci i po obróbce statystycznej zwracane jako wynik.
Kto używał ten wie że tak jak w myśl starego powiedzenia "statystyka kłamie" tak w myśl nowego "AI łże".
Nie dajcie się nabrać! (Edytowano)
blog.google/pro…ue/