Schița de curs
Introducere în Inteligența Artificială Generativă
- Ce este Inteligența Artificială Generativă?
- Istoria și evoluția Inteligenței Artificiale Generative
- Concepte și terminologie cheie
- Prezentare generală a aplicațiilor și potențialului Inteligenței Artificiale Generative
Fundamente ale Învățării Automate
- Introducere în învățarea automată
- Tipuri de învățare automată: Supervizată, Nesupervizată și Prin Întărire
- Algoritmi și modele de bază
- Preprocesarea datelor și inginerie de caracteristici
Bazele Învățării Profunde
- Rețele neuronale și învățarea profundă
- Funcții de activare, funcții de pierdere și optimizatori
- Supraadaptarea, subadaptarea și tehnici de regularizare
- Introducere în TensorFlow și PyTorch
Prezentare Generală a Modelelor Generative
- Tipuri de modele generative
- Diferențe între modele discriminative și generative
- Cazuri de utilizare pentru modele generative
Autoencodere Variationale (VAEs)
- Înțelegerea autoencodere
- Arhitectura VAEs
- Spațiul latent și semnificația sa
- Proiect practic: Construirea unui VAE simplu
Rețele Generative Adversariale (GANs)
- Introducere în GANs
- Arhitectura GANs: Generator și Discriminator
- Antrenarea GANs și provocări
- Proiect practic: Crearea unui GAN de bază
Modele Generative Avansate
- Introducere în modelele Transformer
- Prezentare generală a modelelor GPT (Generative Pretrained Transformer)
- Aplicații ale GPT în generarea de text
- Proiect practic: Generarea de text folosind un model GPT preantrenat
Etica și Implicații
- Considerații etice în Inteligența Artificială Generativă
- Părtinire și corectitudine în modelele de IA
- Implicații viitoare și IA responsabilă
Aplicații Industriale ale Inteligenței Artificiale Generative
- Inteligența Artificială Generativă în artă și creativitate
- Aplicații în afaceri și marketing
- Inteligența Artificială Generativă în știință și cercetare
Proiect Capstone
- Ideare și propunere a unui proiect de inteligență artificială generativă
- Colectarea și preprocesarea setului de date
- Selectarea și antrenarea modelului
- Evaluarea și prezentarea rezultatelor
Rezumat și Următorii Pași
Cerințe
- Înțelegerea conceptelor de bază de programare în Python
- Experiență cu concepte matematice de bază, în special probabilități și algebră liniară
Public țintă
- Dezvoltatori
Mărturii (2)
Stilul interactiv, exercițiile
Tamas Tutuntzisz
Curs - Introduction to Prompt Engineering
Tradus de catre o masina
Un depozit excelent de resurse pentru viitor, stilul instrucționist (plin de umor și cu un nivel de detaliu foarte bun)
Adam - GE Aerospace Poland Sp. z o.o.
Curs - Prompt Engineering for ChatGPT
Tradus de catre o masina