План на курса

Преглед на Generative AI Основи

  • Бързо обобщение на Generative AI концепции
  • Разширени приложения и казуси

Задълбочено потапяне в генеративните състезателни мрежи (GAN)

  • Задълбочено проучване на GAN архитектурите
  • Техники за подобряване на GAN обучението
  • Условни GAN и техните приложения
  • Практически проект: Проектиране на сложен GAN

Усъвършенствани вариационни автоенкодери (VAE)

  • Проучване на границите на VAE
  • Разчленени представяния в VAE
  • Бета-VAE и тяхното значение
  • Практически проект: Изграждане на усъвършенстван VAE

Трансформатори и генеративни модели

  • Разбиране на архитектурата на Transformer
  • Генеративни предварително обучени трансформатори (GPT) и BERT за генеративни задачи
  • Стратегии за фина настройка за генеративни модели
  • Практически проект: Фина настройка на GPT модел за конкретен домейн

Дифузионни модели

  • Въведение в дифузионните модели
  • Обучителни дифузионни модели
  • Приложения за генериране на изображения и аудио
  • Практически проект: Прилагане на модел на дифузия

Reinforcement Learning в Generative AI

  • Основи на обучението за засилване
  • Интегриране на обучението за укрепване с генеративни модели
  • Приложения в дизайна на игри и генериране на процедурно съдържание
  • Практически проект: Създаване на съдържание с обучение за засилване

Теми за напреднали по етика и пристрастия

  • Deepfakes и синтетични медии
  • Откриване и смекчаване на пристрастия в генеративни модели
  • Правни и етични съображения

Специфични за индустрията приложения

  • Generative AI в здравеопазването
  • Творчески индустрии и развлечения
  • Generative AI в научни изследвания

Изследователски тенденции в Generative AI

  • Най-новите постижения и пробиви
  • Отворени проблеми и възможности за изследване
  • Подготовка за изследователска кариера в Generative AI

Проект Capstone

  • Идентифициране на проблем, подходящ за Generative AI
  • Разширена подготовка и разширяване на набор от данни
  • Избор на модел, обучение и фина настройка
  • Оценка, итерация и представяне на проекта

Обобщение и следващи стъпки

Изисквания

  • Разбиране на основните концепции и алгоритми за машинно обучение
  • Опит с Python програмиране и основно използване на TensorFlow или PyTorch
  • Запознаване с принципите на невронните мрежи и дълбокото обучение

Публика

  • Учени по данни
  • Инженери за машинно обучение
  • AI практици
 21 Hours

Брой участници



Цена за участник

Свързани Kурсове

LangChain: Building AI-Powered Applications

14 Hours

LangChain Fundamentals

14 Hours

Small Language Models (SLMs): Applications and Innovations

14 Hours

Small Language Models (SLMs) for Domain-Specific Applications

28 Hours

Small Language Models (SLMs): Developing Energy-Efficient AI

21 Hours

Small Language Models (SLMs) for Human-AI Interactions

14 Hours

Small Language Models (SLMs) for On-Device AI

21 Hours

Introduction to Google Gemini AI

14 Hours

Google Gemini AI for Content Creation

14 Hours

Google Gemini AI for Transformative Customer Service

14 Hours

Google Gemini AI for Data Analysis

21 Hours

Generative AI with Large Language Models (LLMs)

21 Hours

LlamaIndex: Enhancing Contextual AI

14 Hours

LlamaIndex: Developing LLM Powered Applications

42 Hours

Introduction to Large Language Models (LLMs)

14 Hours

Свързани Kатегории

1