Kursplan
Genomgång av Grundläggande Generativ AI
- Snabb översyn av Generativ AI-koncept
- Avancerade tillämpningar och fallstudier
Djupdykning i Generativa Motståndsnätverk (GANs)
- Djupgående studie av GAN-arkitekturer
- Tekniker för att förbättra GAN-träning
- Konditionella GANs och deras tillämpningar
- Projekt: Utformning av ett komplext GAN
Avancerade Variationsautokodare (VAEs)
- Utforskning av VAEs gränser
- Disentangled representationer i VAEs
- Beta-VAEs och deras betydelse
- Projekt: Bygga en avancerad VAE
Transformers och Generativa Modeller
- Förståelse för Transformer-arkitekturen
- Generativa förtränade Transformers (GPT) och BERT för generativa uppgifter
- Finjusteringsstrategier för generativa modeller
- Projekt: Finjustering av en GPT-modell för ett specifikt område
Diffusionsmodeller
- Introduktion till diffusionsmodeller
- Träning av diffusionsmodeller
- Tillämpningar inom bild- och ljudgenerering
- Projekt: Implementering av en diffusionsmodell
Förstärkningsinlärning i Generativ AI
- Grunderna i förstärkningsinlärning
- Integrering av förstärkningsinlärning med generativa modeller
- Tillämpningar inom spelutveckling och proceduralt innehållsskapande
- Projekt: Skapa innehåll med förstärkningsinlärning
Avancerade ämnen i etik och bias
- Deepfakes och syntetiskt media
- Identifiering och minimering av bias i generativa modeller
- Rättsliga och etiska överväganden
Branschspecifika tillämpningar
- Generativ AI inom hälsosjukvården
- Kreativa branscher och underhållning
- Generativ AI inom vetenskaplig forskning
Forskningstrender inom Generativ AI
- Senaste framsteg och genombrott
- Öppna problem och forskningsmöjligheter
- Förberedelser för en forskningskarriär inom Generativ AI
Kapitalkursprojekt
- Identifiering av ett problem lämpligt för Generativ AI
- Avancerad datasetförberedelse och utökning
- Modellval, träning och finjustering
- Utvärdering, iterering och presentation av projektet
Sammanfattning och nästa steg
Krav
- Förmåga att förstå grundläggande maskininlärningskoncept och algoritmer
- Erfarenhet av Python-programmering och grundläggande användning av TensorFlow eller PyTorch
- Kännedom om principer för neuronnät och djupinlärning
Målgrupp
- Datavetare
- Maskininlärningsingenjörer
- AI-praktiker
Vittnesmål (3)
En genomgående översikt över bakgrunden och hur man formulerar en prompt.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maskintolkat
tipsen och de rekommenderade prompterna vi kan ta med oss från denna träning
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kurs - InVideo AI: Creating Engaging Short-Form Videos
Maskintolkat
användning av effektiva och lämpliga prompts
Marses Pacaldo
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Maskintolkat