План на курса
Преглед на основата на генеративно изкуствено интелигентни системи
- Бърз преглед на концепциите на генеративно изкуствено интелигентни системи
- Напредни приложения и кейсове
Дълбоко пониране в генеративно-противопоставени мрежи (GANs)
- Дълбоко изследване на архитектурите на GANs
- Техники за подобряване на обучението на GANs
- Кондиционални GANs и техните приложения
- Практически проект: дизайн на сложна GAN
Напредни вариационни автоенкодъри (VAEs)
- Изследване на границите на VAEs
- Разделяне на представяния в VAEs
- Beta-VAEs и тяхното значение
- Практически проект: изграждане на напреден VAE
Трансформери и генеративни модели
- Разбиране на архитектурата на трансформерите
- Генеративно предобучен трансформер (GPT) и BERT за генеративни задачи
- Стратегии за фино настройка на генеративни модели
- Практически проект: фино настройка на модел GPT за определена област
Дифузионни модели
- Въведение в дифузионните модели
- Обучение на дифузионните модели
- Приложения в генериране на изображения и аудио
- Практически проект: имплементация на дифузионен модел
Подкрепящо обучение в генеративно изкуствено интелигентни системи
- Основни концепции на подкрепящо обучение
- Интегриране на подкрепящо обучение с генеративни модели
- Приложения в дизайн на игри и генериране на съдържание
- Практически проект: създаване на съдържание с подкрепящо обучение
Напредни теми по етика и предразсъдъци
- Дийпфейкове и синтетични медии
- Откриване и намаляване на предразсъдъци в генеративни модели
- Правни и етични разсъждения
Приложения, специфични за отрасъла
- Генеративно изкуствено интелигентни системи в здравеопазването
- Креативни отрасли и развлечения
- Генеративно изкуствено интелигентни системи в научни изследвания
Трендове в изследванията на генеративно изкуствено интелигентни системи
- Най-новите достижения и пробиви
- Отворени проблеми и възможности за изследвания
- Подготовка за кариера в изследвания на генеративно изкуствено интелигентни системи
Кулонен проект
- Идентифициране на проблем, подходящ за генеративно изкуствено интелигентни системи
- Напредна подготовка и разширение на данни
- Избор на модел, обучение и фино настройка
- Оценка, итерация и представяне на проекта
Резюме и следващи стъпки
Изисквания
- Разбиране на фундаменталните концепции и алгоритми на машинно обучение
- Опит с програмиране на Python и основно използване на TensorFlow или PyTorch
- Запознатост с принципите на нейронните мрежи и дълбочиното обучение
Целева аудитория
- Специалисти по данни
- Инженери по машинно обучение
- Практикуващи в областта на изкуствен интелект
Отзиви от потребители (2)
Интерактивният стил, упражненията
Tamas Tutuntzisz
Курс - Introduction to Prompt Engineering
Машинен превод
Отличен събир на ресурси за бъдещо ползване, стил на преподавателя (пълен с добър чувството за хумор, великолепен ниво на детайлnost)
Adam - GE Aerospace Poland Sp. z o.o.
Курс - Prompt Engineering for ChatGPT
Машинен превод