Kursplan
- Hva er kunstig intelligens (AI)?
- Oversikt over Google Gemini AI og dets økosystem
- Nøkkeltrekk og fordelene ved Gemini over andre AI-modeller
- Prøveaktivitet: Utforsk Gemini AI gjennom Google AI Studio-demon
Module 2: Forståelse av store språkmodeller (LLMs)
- Grunnleggende prinsipper for store språkmodeller
- Arkitekturen og driften av Gemini-modeller
- Sammenligning av Gemini med GPT og andre ledende modeller
- Øvingslaboratorium: Visualisering av tokenisering og modellresponser ved bruk av prøveprompt
Module 3: Kom i gang med Gemini
- Oppsett av utviklingsmiljøet
- Arbeid med Gemini API og SDK
- Autentisering, tokens og API-nøkler
- Prøveaktivitet: Kjør din første Gemini-prompt med Python
Module 4: Arbeid med Gemini-modeller
- Utforsk forskjellige Gemini-modelltyper og -evner
- Velg egnet modell for språk-, bilde- eller multimodale oppgaver
- Innledning og testing av generative modeller
- Praktisk øvelse: Sammenligning av tekst-til-tekst og bilde-til-tekst modellutskrifter
Module 5: Praktiske anvendelser og brukstilfeller
- Integrering av Gemini AI i chat- og spørre-og-svar-applikasjoner
- Utvikling av semantisk søk og oppsummering av verktøy
- Etnisk bruk av AI og vurdering av bias
- Gruppeprosjekt: Bygg en “Smart Research Assistant” ved hjelp av NotebookLM og Gemini
Module 6: Avanserte funksjoner og tilpasning
- Optimering av prompt og avansert konteksthåndtering
- Bruk av Gemini for kodelagring og feilsøking
- Finjustering av arbeidsflyter med Google Cloud Vertex AI
- Prøveaktivitet: Tilpasning av modellresponser ved bruk av parametere og temperaturkontroll
Module 7: Reelle prosjekter og samarbeid
- Samarbeidsprosjektplanlegging og oppsetting av arbeidsflyt
- Integrering av Gemini AI med andre Google-verktøy (Drive, Docs, Sheets)
- Teamprosjekt: Design og innføring av en liten AI-applikasjon (f.eks. innholdssummer, chatbot eller ideagenerator)
- Kollegaoversikt og diskusjon av prosjektresultater
Module 8: Vurdering og fremtidige retninger
- Feilsøking av vanlige problemer i Gemini-prosjekter
- Utforskning av Gemini API-veiviseren og kommende funksjoner
- Beste praksis for AI-styring og skalerbarhet
- Aktivitetsoppfølging: Refleksjon over praktiske læringspunkter og karrieremuligheter
Oppsummering og neste skritt
Krav
- En forståelse av grunnleggende AI-konsepter
- Erfaring med APIer og skybaserte tjenester
- Programmeringserfaring med Python
Målgruppe
- Utviklere
- Dataforsker
- AI-entusiaster
Referanser (1)
**Flow, stemning og tema på presentasjon**- **Viktigheten av en god start** - Ta hensyn til publikum - Vær klar på å fortelle en historie- **Strukturer din presentasjon** - Intro - Hoveddeler - Konklusjon- **Få publumsens oppmerksomhet** - Bruk kroppsspråket - Oppretthold øyekontakt- **Gjør presentasjonen din mer engasjerende** - Bruk visuelle hjelpemidler - Innlem visuelle elementer- **Stemning og engasjement** - Bruk humor - Bruk interaktivitet- **Utvikle et tema** - Pass på at temaet er relevant - Pass på at temaet er konsistent- **Få publikum til å engasjere seg med temaet** - Bruk spørsmål - Bruk relatable eksempler- **Avslutt med en kraftig avslutning** - Sammenfatt de viktigste punktene - Oppfordre til handling- **Prøv deg fram** - Øv på presentasjonen - Spør om tilbakemelding- **Kjør gjennom presentasjonen** - Gjør deg klar - Prøv deg fram flere ganger- **Gjør deg klar til å møte publikum** - Kjenn til publikum - Pass på å være rolig
Lukasz Kowalczyk - Allegro Sp. z o.o.
Kurs - Google Gemini AI for Data Analysis
Maskinoversatt