Member since 2026
Google DeepMind：訓練小型語言模型
Earned Jul 25, 2026 EDT
注意力機制
Earned Jul 20, 2026 EDT
編碼器-解碼器架構
Earned Jul 20, 2026 EDT
生成式 AI 適用的機器學習運作 (MLOps)
Earned Jul 19, 2026 EDT
生成式 AI 簡介
Earned Jul 15, 2026 EDT
Transformer 和 BERT 模型
Earned Jul 15, 2026 EDT
圖像生成簡介
Earned Jul 14, 2026 EDT
完成「Google DeepMind：訓練小型語言模型」技能徽章進階課程，即可證明您具備下列技能： 提出實際的語言模型研究問題、建構簡單的分詞器、準備資料集來訓練 Transformer 語言模型，以及執行小型語言模型的訓練迴圈。 註冊免付費訂閱方案，即可免付費使用這個實驗室。每個月還能獲得 35 點免付費抵免額！
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。
這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
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。