Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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