1. Introduction to Generative AI 生成式人工智能简介 这堂课解释什么是生成性AI、如何使用生成性AI，以及生成性AI与传统机器学习方法的区别。 播放列表：

2. Introduction to Large Language Models 大语言模型介绍 这是Google的一个AI入门课程，介绍了什么是大型语言模型（LLM），如何利用好大语言模型，以及如何使用提示（Prompt）和微调来优化LLM的性能。 播放列表：

3. Introduction to Responsible AI 负责任的人工智能入门 这是Google的一个AI入门课程，解释了什么是负责任的人工智能，为什么它很重要，以及谷歌如何在其产品中实施负责任的人工智能，谷歌的7项人工智能原则。 播放列表：

4. Introduction to Image Generation 图像生成简介 这是Google的一个AI入门课程，介绍扩散模型，这是一类在图像生成领域最近显示出潜力的机器学习模型。扩散模型的灵感来源于物理学，特别是热力学。 在过去的几年中，扩散模型在研究和工业中都变得很受欢迎。扩散模型是Google Cloud上许多最先进的图像生成模型和工具的基础。本课程将向你介绍扩散模型背后的理论，以及如何在Vertex AI上训练和部署它们。 课程地址：

5. Encoder-Decoder Architecture: Overview 编码器-解码器架构（上）概述 编码器-解码器架构 这门课程为你提供了编码器-解码器架构的概述，这是一种强大且普遍存在的机器学习架构，适用于如机器翻译、文本摘要和问题回答等序列到序列任务。你将学习到编码器-解码器架构的主要组件以及如何训练和使用这些模型。在相应的实验室演示中，你将使用TensorFlow从头开始编写编码器-解码器架构的简单实现，用于诗歌生成。 完成这门课程后，你可以获得上面显示的徽章！你可以通过访问个人资料页查看已经获得的所有徽章。通过向世界展示你已经开发的技能，提升你的云计算职业生涯！ 编码器-解码器架构：概述 这个模块为你提供了编码器-解码器架构的概述，这是一种强大且普遍存在的机器学习架构，适用于如机器翻译、文本摘要和问题回答等序列到序列任务。你将学习到编码器-解码器架构的主要组件以及如何训练和使用这些模型。 课程地址： YouTube播放列表：

生成式AI学习6——编码器-解码器架构（下）Lab演练 编码器-解码器架构 这门课程为你提供了编码器-解码器架构的概述，这是一种强大且普遍存在的机器学习架构，适用于如机器翻译、文本摘要和问题回答等序列到序列任务。你将学习到编码器-解码器架构的主要组件以及如何训练和使用这些模型。在相应的实验室演示中，你将使用TensorFlow从头开始编写编码器-解码器架构的简单实现，用于诗歌生成。 完成这门课程后，你可以获得上面显示的徽章！你可以通过访问个人资料页查看已经获得的所有徽章。通过向世界展示你已经开发的技能，提升你的云计算职业生涯！ 编码器-解码器架构：Lab演练 你将在TensorFlow中编码一个简单的编码器-解码器架构的实现，用于从头开始生成诗歌。 课程地址： YouTube播放列表：

7. Attention Mechanism 注意力机制 本课程将向你介绍注意力机制，这是一种强大的技术，使神经网络能够关注输入序列的特定部分。你将学习注意力的工作原理，以及如何利用它来提高各种机器学习任务的性能，包括机器翻译、文本总结和问题回答。 课程地址： 播放列表：

8. Transformer Models and BERT Model Overview | Transformer模型和BERT模型（上）概述 Transformer模型和BERT模型 本课程向您介绍Transformer架构和来自Transformer（BERT）的双向编码器表示法模型。您将学习Transformer架构的主要组件，如自我关注机制，以及如何使用它来构建BERT模型。你还会了解到BERT可用于的不同任务，如文本分类、问题回答和自然语言推理。 在本课程中，您将了解到Transformer架构的主要组成部分，如自我关注机制，以及如何使用它来构建BERT模型。你还会了解到BERT可用于的不同任务，如文本分类、问题回答和自然语言推理。 课程地址： 播放列表：

9. Transformer Models and BERT Model Overview | Transformer模型和BERT模型（下）演示 Transformer模型和BERT模型 本课程向您介绍Transformer架构和来自Transformer（BERT）的双向编码器表示法模型。您将学习Transformer架构的主要组件，如自我关注机制，以及如何使用它来构建BERT模型。你还会了解到BERT可用于的不同任务，如文本分类、问题回答和自然语言推理。 在本课程中，您将了解到Transformer架构的主要组成部分，如自我关注机制，以及如何使用它来构建BERT模型。你还会了解到BERT可用于的不同任务，如文本分类、问题回答和自然语言推理。 课程地址： 播放列表：

10. Create Image Captioning Models | 创建图像字幕模型（上）概述 本课程教你如何通过使用深度学习创建一个图像字幕模型。你会了解到图像字幕模型的不同组成部分，如编码器和解码器，以及如何训练和评估你的模型。在本课程结束时，你将能够创建你自己的图像标题模型，并使用它们来生成图像的标题。 创建图像标题模型： 概述 本模块教你如何使用深度学习来创建一个图像字幕模型。你会了解到一个图像字幕模型的不同组成部分，如编码器和解码器，以及如何训练和评估你的模型。在本模块结束时，你将能够创建自己的图像标题模型，并使用它们来生成图像的标题。 课程地址： 播放列表：

11. Create Image Captioning Models | 创建图像字幕模型（下）演练 本课程教你如何通过使用深度学习创建一个图像字幕模型。你会了解到图像字幕模型的不同组成部分，如编码器和解码器，以及如何训练和评估你的模型。在本课程结束时，你将能够创建你自己的图像标题模型，并使用它们来生成图像的标题。 创建图像标题模型： 概述 本模块教你如何使用深度学习来创建一个图像字幕模型。你会了解到一个图像字幕模型的不同组成部分，如编码器和解码器，以及如何训练和评估你的模型。在本模块结束时，你将能够创建自己的图像标题模型，并使用它们来生成图像的标题。 课程地址： 播放列表：

12. Introduction to Generative AI Studio 生成式人工智能工作室介绍 本课程介绍了顶点人工智能的产品--生成式人工智能工作室，它可以帮助你对生成式人工智能模型进行原型设计和定制，这样你就可以在你的应用程序中使用其功能。在本课程中，您将学习什么是生成性人工智能工作室，它的功能和选项，以及如何通过产品的演示来使用它。 课程地址： 播放列表：

Google 的"Generative AI learning path"系列全部翻译完了🎉 虽然有不少Google自家产品的广告，但是质量还是相当可以的。 YouTube播放列表： B站播放列表：

这个系列翻译时的原始字幕：