Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
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
21 timmar
Vittnesmål (1)
I liked that trainer had a lot of knowledge and shared it with us