Kurzusleírás

Bevezetés a Google AI Studio-be

  • A Google AI Studio és képességeinek áttekintése
  • Munkaterület beállítása és a felület feltárása
  • Az AI-projekt munkafolyamatainak megértése a Google AI Studio-ben

Adat-előkészítés és Management

  • Adatkészletek importálása és előfeldolgozása
  • Adatvizualizációs eszközök felfedezése
  • Az AI-projektek adatminőségének biztosítása

Modellképzés és -optimalizálás

  • AutoML használata a gyors modellfejlesztéshez
  • Egyéni modell képzés TensorFlow és PyTorch segítségével
  • Hiperparaméter hangolás és teljesítményoptimalizálás

Modell bevezetés és méretezés

  • Modellek telepítése REST API-ként
  • Modellek integrálása Google felhő infrastruktúrával
  • AI-szolgáltatások méretezése éles használatra

Speciális funkciók kihasználása

  • Explainable AI (XAI) gyakorlatok megvalósítása
  • Google AI API-k használata látáshoz, nyelvhez és egyebekhez
  • Előképzett modellek felfedezése és transzfertanulás

Monitoring és hibaelhárítás

  • A telepített modellek teljesítményének figyelése
  • Modell előrejelzések és visszajelzések elemzése
  • Az AI-munkafolyamatok gyakori problémáinak elhárítása

Valós alkalmazások

  • Esettanulmányok a mesterséges intelligencia megoldásairól Google AI Studio
  • Egy komplett AI-projekt felépítése az elejétől a végéig

Összegzés és a következő lépések

Követelmények

  • A gépi tanulási koncepciók és keretrendszerek alapos ismerete
  • Python programozásban szerzett tapasztalat
  • A Google felhőszolgáltatások ismerete ajánlott

Közönség

  • AI fejlesztők
  • Gépi tanulási mérnökök
  • Adattudósok
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák