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.
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