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

Categorii înrudite

1