Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в генеративния ИИ
- Какво е генеративен ИИ?
- История и еволюция на генеративния ИИ
- Ключови концепции и терминология
- Преглед на приложенията и потенциала на генеративния ИИ
Основи на машинното самообучение
- Въведение в машинното самообучение
- Видове машинно самообучение: Обучение с учител, без учител и с подсилване
- Основни алгоритми и модели
- Предварителна обработка на данни и инженеринг на признаци
Основи на дълбокото обучение
- Невронни мрежи и дълбоко обучение
- Функции за активиране, функции на загуба и оптимизатори
- Прекалено напасване, недостатъчно напасване и техники за регуляризация
- Въведение в TensorFlow и PyTorch
Преглед на генеративните модели
- Видове генеративни модели
- Разлики между дискриминативни и генеративни модели
- Случаи на употреба на генеративни модели
Вариационни автоенкодери (VAEs)
- Разбиране на автоенкодерите
- Архитектура на VAEs
- Латентно пространство и неговото значение
- Практически проект: Изграждане на прост VAE
Генеративни състезателни мрежи (GANs)
- Въведение в GANs
- Архитектура на GANs: Генератор и Дискриминатор
- Обучение на GANs и предизвикателства
- Практически проект: Създаване на базов GAN
Усъвършенствани генеративни модели
- Въведение в трансформър моделите
- Преглед на GPT (Generative Pretrained Transformer) моделите
- Приложения на GPT в генерирането на текст
- Практически проект: Генериране на текст с предварително обучен GPT модел
Етика и импликации
- Етични съображения в генеративния ИИ
- Пристрастност и справедливост в ИИ моделите
- Бъдещи импликации и отговорен ИИ
Индустриални приложения на генеративния ИИ
- Генеративен ИИ в изкуството и креативността
- Приложения в бизнеса и маркетинга
- Генеративен ИИ в науката и изследванията
Капстон проект
- Идейна концепция и предложение за проект с генеративен ИИ
- Събиране и предварителна обработка на набор от данни
- Избор и обучение на модел
- Оценка и представяне на резултатите
Обобщение и следващи стъпки
Изисквания
- Разбиране на основни концепции за програмиране на Python
- Опит с основни математически концепции, особено вероятности и линейна алгебра
Аудитория
- Разработчици
14 Часа
Отзиви от участници (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