Corsi gratuiti di Intelligenza Artificiale Generativa di Google

Google's Free Courses on Generative Artificial Intelligence

 

Prima di entrare nei corsi gratuiti, lasciatemi fornire rapidamente una semplice definizione di Generative AI. Generative AI può generare testo, immagini o altre forme di media basate su input dell’utente. Può produrre nuovi contenuti, sostituire compiti ripetitivi, lavorare su dati personalizzati e altro ancora. Ad esempio, è stato rilasciato non molto tempo fa PandasAI, una libreria python di Generative AI che integra funzionalità di Generative AI in Pandas per un’analisi dati più semplice.

Come PandasAI, ci aspettiamo di vedere più strumenti e software di Generative AI rilasciati e integrati nella nostra vita quotidiana per rendere i processi più semplici e fluidi.

Ora parliamo dei corsi GRATUITI su Generative AI forniti da Google.

• Estimazione della profondità dell’immagine utilizzando i Depth Prediction Transformers (DPT)
• Incontra Powderworld un ambiente di simulazione leggero per comprendere la generalizzazione dell’IA.
• Incontra DiffusionDet un modello di Intelligenza Artificiale (IA) che utilizza la diffusione per la rilevazione degli oggetti

 

Percorso di Apprendimento su Generative AI di Google

 

Google ha creato il percorso di apprendimento su Generative AI, che consiste in una serie di corsi riguardanti i prodotti e le tecnologie di Generative AI. Imparerai i fondamenti dei Large Language Models (LLM) e sarai in grado di creare e distribuire soluzioni di Generative AI su Google Cloud.

Il percorso di apprendimento include i seguenti 10 corsi:

 

1. Introduzione a Generative AI

 

Link: Introduzione a Generative AI

Questo corso ti fornirà una panoramica dei fondamenti di Generative AI. Se sei completamente nuovo a Generative AI, questo sarà il posto migliore per iniziare. Imparerai anche come Generative AI si differenzia da altri metodi di apprendimento automatico. 

 

2. Introduzione ai Large Language Models

 

Link: Introduzione ai Large Language Models

Con l’aumento dei chatbot come ChatGPT e Bard, imparare cosa sono i large language models (LLM), come vengono costruiti, il loro utilizzo e l’ottimizzazione delle prompt è informazione fondamentale. 

 

3. Introduzione a Responsible AI

 

Link: Introduzione a Responsible AI

Recentemente ci sono state alcune polemiche su quanto sia responsabile l’AI. Questo corso illustra come viene implementata l’AI responsabile nei prodotti di Google. Imparerai i 7 principi di AI di Google, approfondendo la responsabilità sociale, l’accountability e i principi di design della privacy.

 

4. Fondamenti di Generative AI

 

Link: Fondamenti di Generative AI

Dopo aver completato i primi 3 corsi, verrai sottoposto a un quiz su tutti e 3 nel quarto corso. Alcuni di voi potrebbero già avere conoscenze di base e superare questo in poco tempo. Tuttavia, è utile per i principianti e per coloro che vogliono colmare le lacune. 

 

5. Introduzione alla Generazione di Immagini

 

Link: Introduzione alla Generazione di Immagini

Una parte importante del Generative AI è la capacità di generare immagini utilizzando la diffusione stabile. In questo corso, imparerai di più sui modelli di diffusione, nonché sull’apprendimento automatico, il deep learning e le reti neurali convoluzionali.

 

6. Architettura Encoder-Decoder

 

Link: Architettura Encoder-Decoder

Approfondisci l’architettura di apprendimento automatico potente per compiti sequenza-su-sequenza: l’architettura encoder-decoder. Con questo, sarai in grado di comprendere meglio la traduzione automatica, la sintesi del testo e la risposta alle domande. 

Questo corso include anche una guida pratica in cui programmerai una semplice implementazione dell’architettura encoder-decoder per un compito specifico. 

 

7. Meccanismo di Attenzione

 

Link: Meccanismo di Attenzione

Ho sentito molte persone parlare del desiderio di imparare di più su questo argomento. Il meccanismo di attenzione è una tecnica che consente alle reti neurali di concentrarsi su parti specifiche di una sequenza di input. Per avere successo nel corso, avrai bisogno di una buona comprensione dell’apprendimento automatico, del deep learning, del processing del linguaggio naturale e/o della programmazione Python.

 

8. Modelli di trasformatori e modello BERT

 

Link: Modelli di trasformatori e modello BERT

A questo punto, mentre la terminologia diventa più complessa, è necessario avere un po’ più di esperienza. Nel corso imparerai i principali componenti dei modelli di trasformatori e delle Rappresentazioni Encoder Bidirezionali dai Trasformatori (BERT).

Ad esempio, potrai approfondire il meccanismo di auto-attenzione e come viene utilizzato per costruire il modello BERT, nonché imparare su altre attività come la classificazione del testo.

 

9. Creare modelli di didascalie per immagini

 

Link: Creare modelli di didascalie per immagini

Come suggerisce il nome, impara come creare un modello di didascalie per immagini utilizzando l’apprendimento profondo, scomponendo i diversi componenti di un modello di didascalie per immagini, come l’encoder e il decoder. Passerai poi alla fase di addestramento e valutazione del modello e avrai creato i tuoi modelli di didascalie per immagini in grado di generare didascalie per le immagini.

 

10. Introduzione a Generative AI Studio

 

Link: Introduzione a Generative AI Studio

Ultimo ma non meno importante, c’è il Generative AI Studio. In questo corso sarai introdotto a demo guidate del Generative AI Studio, che viene utilizzato per prototipare e personalizzare modelli di intelligenza artificiale generativa, in modo da poter utilizzare le loro capacità nelle tue applicazioni. Alla fine c’è anche un laboratorio pratico e un quiz per testare le tue conoscenze.

 

Conclusione

 

Questo percorso di apprendimento di 10 corsi fornito da Google non è rivolto solo ai principianti, ma anche a ingegneri di apprendimento automatico e scienziati dei dati che stanno cercando di cambiare la loro carriera o di imparare nuove cose. È meglio essere aggiornati che rimanere indietro, e Google offre ottime risorse per aiutare studenti, dipendenti e principianti a raggiungere questo obiettivo.     Nisha Arya è una Data Scientist, una scrittrice tecnica freelance e una Community Manager presso VoAGI. È particolarmente interessata a fornire consigli di carriera o tutorial basati sulla teoria sulla Data Science. Desidera anche esplorare i diversi modi in cui l’Intelligenza Artificiale può beneficiare la longevità della vita umana. Una studentessa appassionata, desiderosa di ampliare le sue conoscenze tecnologiche e le sue capacità di scrittura, mentre aiuta a guidare gli altri.