Liên hệ với chúng tôi

Đề cương khóa học

Giới thiệu về LLM đa phương thức trên Vertex AI

  • Tổng quan về các khả năng đa phương thức trên Vertex AI
  • Các mô hình Gemini và các phương thức dữ liệu được hỗ trợ
  • Các trường hợp sử dụng trong doanh nghiệp và nghiên cứu

Cài đặt môi trường phát triển

  • Cấu hình Vertex AI cho các quy trình làm việc đa phương thức
  • Làm việc với tập dữ liệu xuyên suốt các phương thức
  • Phòng thí nghiệm thực hành: thiết lập môi trường và chuẩn bị dữ liệu

Cửa sổ ngữ cảnh dài và Suy luận nâng cao

  • Hiểu rõ về các quy trình làm việc ngữ cảnh dài
  • Các trường hợp sử dụng trong lập kế hoạch và ra quyết định
  • Phòng thí nghiệm thực hành: triển khai phân tích ngữ cảnh dài

Thiết kế quy trình làm việc xuyên phương thức

  • Kết hợp phân tích văn bản, âm thanh và hình ảnh
  • Sắp xếp các bước đa phương thức nối tiếp trong quy trình xử lý
  • Phòng thí nghiệm thực hành: thiết kế một quy trình xử lý đa phương thức

Làm việc với các tham số của Gemini API

  • Cấu hình dữ liệu đầu vào và đầu ra đa phương thức
  • Tối ưu hóa khả năng suy luận và hiệu quả
  • Phòng thí nghiệm thực hành: tinh chỉnh các tham số của Gemini API

Các ứng dụng nâng cao và tích hợp

  • Các tác nhân và trợ lý đa phương thức tương tác
  • Tích hợp các API và công cụ bên ngoài
  • Phòng thí nghiệm thực hành: xây dựng một ứng dụng đa phương thức

Đánh giá và lặp lại quy trình

  • Kiểm tra hiệu suất đa phương thức
  • Các chỉ số đo lường độ chính xác, sự phù hợp và biến động
  • Phòng thí nghiệm thực hành: đánh giá các quy trình làm việc đa phương thức

Tổng kết và các bước tiếp theo

Yêu cầu

  • Thành thạo lập trình Python
  • Có kinh nghiệm phát triển mô hình học máy
  • Thông thạo dữ liệu đa phương thức (văn bản, âm thanh, hình ảnh)

Đối tượng tham dự

  • Nhà nghiên cứu AI
  • Lập trình viên cấp cao
  • nhà khoa học dữ liệu học máy
 14 Giờ

Số người tham gia


Giá cho mỗi học viên

Các khóa học sắp tới

Các danh mục liên quan