Member since 2024
使用 ADK 和 MCP 建構協作式多代理系統
Earned Sep 27, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Sep 25, 2026 EDT
建立圖像說明生成模型
Earned Nov 19, 2024 EST
Transformer 和 BERT 模型
Earned Nov 19, 2024 EST
編碼器-解碼器架構
Earned Nov 19, 2024 EST
注意力機制
Earned Nov 18, 2024 EST
圖像生成簡介
Earned Nov 18, 2024 EST
瞭解如何使用 Google 的 Agent Development Kit (ADK) 和 Model Context Protocol (MCP)，設計、協調及部署多代理系統。本課程將以旅遊規劃服務為例，說明如何透過自訂防護機制，調度管理專用代理網路。完成本課程後，您將瞭解如何運用設計模式和部署策略，打造穩固且可擴充的 AI 工作流程。
本課程旨在提供必要的知識和工具，協助您探索機器學習運作團隊在部署及管理生成式 AI 模型時面臨的獨特挑戰，並瞭解 Vertex AI 如何幫 AI 團隊簡化機器學習運作程序，打造成效非凡的生成式 AI 專案。
本課程說明如何使用深度學習來建立圖像說明生成模型。您將學習圖像說明生成模型的各個不同組成部分，例如編碼器和解碼器，以及如何訓練和評估模型。在本課程結束時，您將能建立自己的圖像說明生成模型，並使用模型產生圖像說明文字。
這堂課程將說明變換器架構，以及基於變換器的雙向編碼器表示技術 (BERT) 模型，同時帶您瞭解變換器架構的主要組成 (如自我注意力機制) 和如何用架構建立 BERT 模型。此外，也會介紹 BERT 適用的各種任務，像是文字分類、問題回答和自然語言推論。課程預計約 45 分鐘。
本課程概要說明解碼器與編碼器的架構，這種強大且常見的機器學習架構適用於序列對序列的任務，例如機器翻譯、文字摘要和回答問題。您將認識編碼器與解碼器架構的主要元件，並瞭解如何訓練及提供這些模型。在對應的研究室逐步操作說明中，您將學習如何從頭開始使用 TensorFlow 寫程式，導入簡單的編碼器與解碼器架構來產生詩詞。
本課程將介紹注意力機制，說明這項強大技術如何讓類神經網路專注於輸入序列的特定部分。此外，也將解釋注意力的運作方式，以及如何使用注意力來提高各種機器學習任務的成效，包括機器翻譯、文字摘要和回答問題。
本課程將介紹擴散模型，這是一種機器學習模型，近期在圖像生成領域展現亮眼潛力。概念源自物理學，尤其深受熱力學影響。過去幾年來，在學術界和業界都是炙手可熱的焦點。在 Google Cloud 中，擴散模型是許多先進圖像生成模型和工具的基礎。課程將介紹擴散模型背後的理論，並說明如何在 Vertex AI 上訓練和部署這些模型。