Kursplan

Introduktion till Generativ AI

  • Definiera generativ AI
  • Översikt över generativa modeller (GANs, VAEs, etc.)
  • Tillämpningar och fallstudier

Behovet av Syntetisk Data

  • Begränsningar med riktig data
  • Integritets- och säkerhetsfrågor
  • Förbättra robustheten hos AI-modeller

Generera Syntetisk Data

  • Tekniker för generering av syntetisk data
  • Säkerställa datakvalitet och mångfald
  • Praktisk workshop: Skapa ditt första syntetiska datamängd

Utvärdera Syntetisk Data

  • Mått för att bedöma kvaliteten på syntetisk data
  • Jämförelse av syntetisk vs. riktig dataprestanda
  • Fallstudieanalys

Etiska och Juridiska Aspekter

  • Navigera i den etiska landskapet
  • Juridiska ramverk och överensstämmelse
  • Balansera innovation med ansvar

Avancerade Ämnen i Data Synthesis

  • Syntetisk data för oövervakad inlärning
  • Korsdomsyntes av data
  • Framtida trender inom generativ AI

Avslutande Projekt

  • Tillämpa kunskap på verkliga scenarier
  • Utveckla en strategi för syntetisk data
  • Bedömning och feedback

Sammanfattning och Nästa Steg

Krav

  • Förståelse för grundläggande maskininlärningsbegrepp
  • Erfarenhet av Python-programmering
  • Kännedom om datavetenskapliga arbetsflöden

Målgrupp

  • Datavetare
  • AI-praktiker
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier