Kursplan

Introduktion till Generative AI

  • Vad är Generative AI?
  • Historia och utveckling av Generative AI
  • Nyckelbegrepp och terminologi
  • Översikt över tillämpningar och potential för Generative AI

Grunderna i Machine Learning

  • Introduktion till maskininlärning
  • Typer av maskininlärning: Övervakad, oövervakad och Reinforcement Learning
  • Grundläggande algoritmer och modeller
  • Förbearbetning av data och funktionsteknik

Deep Learning Grunderna

  • Neurala nätverk och djupinlärning
  • Aktiveringsfunktioner, förlustfunktioner och optimerare
  • Överanpassning, underanpassning och regulariseringstekniker
  • Introduktion till TensorFlow och PyTorch

Översikt över generativa modeller

  • Typer av generativa modeller
  • Skillnader mellan diskriminativa och generativa modeller
  • Användningsfall för generativa modeller

Variationella autopulsgivare (VAE)

  • Förstå autoencoders
  • Arkitekturen för VAE
  • Det latenta rummet och dess betydelse
  • Praktiskt projekt: Att bygga en enkel VAE

Generativa kontradiktoriska nätverk (GAN)

  • Introduktion till GAN
  • Arkitekturen för GAN: Generator och diskriminator
  • Utbildning av GAN och utmaningar
  • Praktiskt projekt: Skapa ett grundläggande GAN

Avancerade generativa modeller

  • Introduktion till transformatormodeller
  • Översikt över GPT-modeller (Generative Pretrained Transformer)
  • Tillämpningar av GPT i textgenerering
  • Praktiskt projekt: Textgenerering med en förtränad GPT-modell

Etik och implikationer

  • Etiska överväganden i Generative AI
  • Partiskhet och rättvisa i AI-modeller
  • Framtida konsekvenser och ansvarsfull AI

Branschtillämpningar av Generative AI

  • Generative AI I konst och kreativitet
  • Tillämpningar inom näringsliv och marknadsföring
  • Generative AI inom vetenskap och forskning

Capstone-projektet

  • Idéutveckling och förslag till ett generativt AI-projekt
  • Insamling och förbearbetning av datauppsättningar
  • Modellval och träning
  • Utvärdering och presentation av resultat

Sammanfattning och nästa steg

Krav

  • En förståelse för grundläggande programmeringskoncept i Python
  • Erfarenhet av grundläggande matematiska begrepp, särskilt sannolikhetslära och linjär algebra

Publik

  • Utvecklare
 14 timmar

Antal deltagare



Price per participant

Relaterade Kurser

Relaterade Kategorier

1