原本是颱風天體驗了 Path 1 ，結果就這樣馬不停蹄地把 Path 2 跟 Path 3 也給 KO 了，真的獲益良多。
近一年當中，在 AI 應用開發跟自修上，剛好上過台大李宏毅教授的 Youtube 影片：【生成式AI導論 2024】，接著也協助公司使用 OpenAI API 建置了幾個雛形和一款稍微正式的對內服務，體驗過訓練自己的 model 來做客製化應用，以及也摸索過 RAG 應用和負責協助公司導入 AI 輔助應用等等，在這樣的背景下，進行 Path 1, Path 2 和 Path 3 仍收穫滿滿，補了不少思維：
- 對 Google AI 的發展更新為沒脫隊！只是入門門檻高 XD
- 研發 AI 服務時，要想想怎樣達成開發出一個負責任的 AI
在 Path 1：Beginner: Introduction to Generative AI Learning Path 過程時，開始熟悉 Google Cloud 的介面，儘管 2018 年左右就開始用 GCP ，但基於工作方式大多透靠 ansible + jenkins 完成任務，一直漠視了 Google 發展，這次使用上反而驚艷了一下，特別是 Gemini 小幫手到處都可以協助，不熟也沒關係，問！就對了。
在 Path 1 的課程就被 Google Cloud 網頁管理介面驚艷到，接著補了不少關於 負責任 AI 的思維，令人想起前陣子 OpenAI Superalignment 的事情，雖然有點直覺，但對於事件的感受還不夠強烈，在上完課後終於能比較全面體會了，好在 OpenAI 在 2024.05 成立新的安全委員會了。
在 Path 2: Intermediate: Gemini for Google Cloud Learning Path 課程，讓我感受到身為 RD / DevOps / SRE 時 AI 的靈壓，可以有以下體驗思維：
- 站在資方角度，不需聘請有高深經驗者，僅需找資淺的聰明者(學習力強)，只要能問對問題，靠 Gemini 補完工作，甚至快速累積經驗
- 站在開發者進行 side project 角度，透過 Gemini 大方地享受一人工作模式，可以只專精或感興趣一個領域，剩下的靠 Gemini 模擬出 10-30 人力規模的新創組織，幫你把點子完善到成品
此外，在 Path 2 的各種角色使用 Gemini 工作的思維，讓人欽佩大公司的組織架構，在小公司都是全包了 Orz
- Gemini for Application Developers
- Gemini for Cloud Architects
- Gemini for Data Scientists and Analysts
- Gemini for Network Engineers
- Gemini for Security Engineers
- Gemini for DevOps Engineers
- Gemini for end-to-end SDLC
- Develop GenAI Apps with Gemini and Streamlit
在 Path 3: Advanced: Generative AI for Developers Learning Path 的心得，就進入比較正式的原理課程，雖然看過過台大教授的 AI 導論，但還是在這波習得不少底層運作的觀念。
最後，差不多累積了兩萬分，其中 Quiz 錯了幾次，Lab 都一次通過。
沒有留言:
張貼留言