Schița de curs

Introducere la Generative AI

  • Ce este Generative AI?
  • Istoria și evoluția Generative AI
  • Concepte-cheie și terminologie
  • Prezentare generală a aplicațiilor și a potențialului Generative AI

Elemente fundamentale ale Machine Learning

  • Introducere în învățarea automată
  • Tipuri de învățare automată: Supravegheată, nesupravegheată și Reinforcement Learning
  • Algoritmi și modele de bază
  • Preprocesarea datelor și ingineria caracteristicilor

Deep Learning Noțiuni de bază

  • Rețele neuronale și învățare profundă
  • Funcții de activare, funcții de pierdere și optimizatoare
  • Tehnici de supraajustare, subajustare și regularizare
  • Introducere în TensorFlow și PyTorch

Prezentare generală a modelelor generative

  • Tipuri de modele generative
  • Diferențe între modelele discriminative și generative
  • Cazuri de utilizare a modelelor generative

Autocodare variaționale (VAE)

  • Înțelegerea autocodificatoarelor
  • Arhitectura VAE
  • Spațiul latent și semnificația sa
  • Proiect practic: Construirea unui VAE simplu

Rețele adversare generative (GAN)

  • Introducere în GAN-uri
  • Arhitectura rețelelor GAN: Generator și discriminator
  • Formarea GAN-urilor și provocări
  • Proiect practic: Crearea unui GAN de bază

Modele generative avansate

  • Introducere în modelele transformatoare
  • Prezentare generală a modelelor GPT (Generative Pretrained Transformer)
  • Aplicații ale GPT în generarea de text
  • Proiect practic: Generarea de text cu un model GPT preînvățat

Etică și implicații

  • Considerații etice în Generative AI
  • Prejudiciul și corectitudinea în modelele de inteligență artificială
  • Implicații viitoare și inteligență artificială responsabilă

Aplicații industriale ale Generative AI

  • Generative AI în artă și creativitate
  • Aplicații în afaceri și marketing
  • Generative AI în știință și cercetare

Proiect Capstone

  • Ideea și propunerea unui proiect de inteligență artificială generativă
  • Colectarea și preprocesarea seturilor de date
  • Selectarea și antrenarea modelelor
  • Evaluarea și prezentarea rezultatelor

Rezumat și etapele următoare

Cerințe

  • Înțelegerea conceptelor de programare de bază în Python
  • Experiență cu concepte matematice de bază, în special probabilitate și algebră liniară

Audiență

  • Programatori
 14 ore

Numărul de participanți



Pret per participant

Cursuri înrudite

LangChain: Building AI-Powered Applications

14 ore

LangChain Fundamentals

14 ore

Small Language Models (SLMs): Applications and Innovations

14 ore

Small Language Models (SLMs) for Domain-Specific Applications

28 ore

Small Language Models (SLMs): Developing Energy-Efficient AI

21 ore

Small Language Models (SLMs) for Human-AI Interactions

14 ore

Small Language Models (SLMs) for On-Device AI

21 ore

Introduction to Google Gemini AI

14 ore

Google Gemini AI for Content Creation

14 ore

Google Gemini AI for Transformative Customer Service

14 ore

Google Gemini AI for Data Analysis

21 ore

Generative AI with Large Language Models (LLMs)

21 ore

LlamaIndex: Enhancing Contextual AI

14 ore

LlamaIndex: Developing LLM Powered Applications

42 ore

Introduction to Large Language Models (LLMs)

14 ore

Categorii înrudite

1