感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程时长 14 小时
课程大纲
Gemini 3多模态简介
- 文本、图像、音频和视频的处理能力
- 模型选择与端点概览
- 多模态推理的关键概念
处理文本和结构化输入
- 文本生成的提示策略
- 元数据、上下文窗口和嵌入
- 基于文本的多模态任务编排
图像理解与视觉工作流
- 使用Gemini 3进行图像分析和解读
- 创建视觉搜索和标记工具
- 构建图像到文本和文本到图像的交互
音频输入处理
- 语音识别和转录工作流
- 音频事件检测与解读
- 将音频与文本和视觉输入集成
视频智能与场景分析
- 逐帧和连续视频推理
- 构建摘要和亮点提取工具
- 基于视频的自动化和内容工作流
设计多模态应用架构
- 在单一管道中组合多种输入类型
- 延迟、成本和计算考虑
- 可扩展多模态系统的最佳实践
原型设计多模态应用
- 动手创建多模态原型
- 通过提示工程快速迭代
- 测试并优化用户体验流程
部署多模态解决方案
- 部署策略与环境设置
- 监控实际性能
- 安全与合规考虑
总结与后续步骤
要求
- 了解现代AI概念
- 具备Python或JavaScript经验
- 熟悉REST API
目标受众
- 设计师
- 内容创作者
- 技术产品团队
客户评论 (1)
演讲中的流程、氛围与主题
Lukasz Kowalczyk - Allegro Sp. z o.o.
课程 - Google Gemini AI for Data Analysis
机器翻译