Ringkasan AI Generatif
Pelajari cara membuat aplikasi AI generatif
AI Generatif di Vertex AI
Panduan Memulai Gemini
Memilih infrastruktur untuk aplikasi AI generatif Anda
Kapan harus menggunakan AI generatif
Mengembangkan aplikasi AI generatif
Contoh kode dan aplikasi contoh
Eksplorasi dan hosting model
Google Cloud menyediakan serangkaian model dasar canggih melalui Vertex AI, termasuk Gemini. Anda juga dapat men-deploy model pihak ketiga ke Vertex AI Model Garden atau menghosting sendiri di GKE atau Compute Engine.
Model Google di Vertex AI (Gemini, Imagen)
Model lain di Model Garden Vertex AI
Model pembuatan teks melalui HuggingFace
Orkestrasi AI/ML di GKE
GPU di Compute Engine
Desain dan rekayasa perintah
Desain perintah adalah proses penulisan pasangan perintah dan respons untuk memberi model bahasa konteks dan petunjuk tambahan. Setelah menulis perintah, Anda akan memasukkannya ke model sebagai set data perintah untuk prapelatihan. Saat menayangkan prediksi, model akan merespons dengan petunjuk yang Anda buat.
Vertex AI Studio
Ringkasan Strategi Perintah
Prompt Gallery
Grounding dan RAG
Perujukan menghubungkan model AI ke sumber data untuk meningkatkan akurasi respons dan mengurangi halusinasi. RAG, teknik dasar umum, menelusuri informasi yang relevan dan menambahkannya ke perintah model, sehingga memastikan output didasarkan pada fakta dan informasi terbaru.
Pembumian Vertex AI
Membuat dasar dengan Google Penelusuran
Embedding vektor di AlloyDB
Cloud SQL dan pgvector
Mengintegrasikan data BigQuery ke dalam aplikasi LangChain Anda
Embedding vektor di Firestore
Vector embedding di Memorystore (Redis)
Agen dan panggilan fungsi
Agen memudahkan Anda mendesain dan mengintegrasikan antarmuka pengguna percakapan ke dalam aplikasi seluler, sedangkan panggilan fungsi memperluas kemampuan model.
Vertex AI Agent Builder
Pemanggilan Fungsi Vertex AI
Penyesuaian dan pelatihan model
Tugas khusus, seperti melatih model bahasa pada terminologi tertentu, mungkin memerlukan lebih banyak pelatihan daripada yang dapat Anda lakukan dengan desain perintah atau dasar saja. Dalam skenario tersebut, Anda dapat menggunakan penyesuaian model untuk meningkatkan performa, atau melatih model Anda sendiri.