Свържете се с нас

Съдържание и теми, включени в курса

Преговор на основите на генеративния ИИ

  • Бърз обзор на концепциите за генеративен ИИ
  • Напреднали приложения и казуси

Задълбочено разглеждане на генеративните състезателни мрежи (GAN)

  • Детайлно изучаване на GAN архитектури
  • Техники за подобряване на обучението на GAN
  • Условни GAN и техните приложения
  • Практически проект: проектиране на сложен GAN

Напреднали вариационни автокодери (VAE)

  • Изследване на границите на VAE
  • Разграничени представяния във VAE
  • Бета-VAE и тяхното значение
  • Практически проект: изграждане на напреднал VAE

Transformer и генеративни модели

  • Разбиране на архитектурата Transformer
  • Генеративни предварително обучени трансформери (GPT) и BERT за генеративни задачи
  • Стратегии за фина настройка на генеративни модели
  • Практически проект: фина настройка на GPT модел за специфична област

Дифузионни модели

  • Въведение в дифузионните модели
  • Обучение на дифузионни модели
  • Приложения в генерирането на изображения и аудио
  • Практически проект: внедряване на дифузионен модел

Учене с подсилване в генеративния ИИ

  • Основи на ученето с подсилване
  • Интегриране на учене с подсилване с генеративни модели
  • Приложения в дизайна на игри и процедурното генериране на съдържание
  • Практически проект: създаване на съдържание с учене с подсилване

Напреднали теми за етика и пристрастност

  • Дийпфейкове и синтетични медии
  • Откриване и смекчаване на пристрастността в генеративните модели
  • Правни и етични съображения

Специфични за индустрията приложения

  • Генеративен ИИ в здравеопазването
  • Творчески индустрии и развлечения
  • Генеративен ИИ в научни изследвания

Изследователски тенденции в генеративния ИИ

  • Най-нови постижения и пробиви
  • Отворени проблеми и възможности за изследване
  • Подготовка за изследователска кариера в генеративния ИИ

Заключителен проект

  • Идентифициране на проблем, подходящ за генеративен ИИ
  • Напреднала подготовка и обогатяване на данни
  • Избор на модел, обучение и фина настройка
  • Оценка, итерация и презентация на проекта

Обобщение и следващи стъпки

Изисквания

  • Разбиране на фундаментални концепции и алгоритми за машинно обучение
  • Опит с програмиране на Python и основна употреба на TensorFlow или PyTorch
  • Запознатост с принципите на невронните мрежи и дълбокото обучение

Аудитория

  • Специалисти по данни
  • Инженери по машинно обучение
  • Практици в областта на ИИ
 21 Часа

Брой участници


Цена за участник

Отзиви от участници (2)

Предстоящи Курсове

Свързани Kатегории