План на курса

Введение в генеративна изкуствена интелигенция

  • Какво е генеративна изкуствена интелигенция?
  • История и еволюция на генеративната изкуствена интелигенция
  • Основни концепции и термини
  • Преглед на приложенията и потенциала на генеративната изкуствена интелигенция

Основни принципи на машинно обучение

  • Введение в машинното обучение
  • Видове машинно обучение: Наблюдавано, Ненаблюдавано и Укрепващо обучение
  • Основни алгоритми и модели
  • Предобработка на данни и инженерство на характеристики

Основни принципи на дълбоко обучение

  • Невронни мрежи и дълбоко обучение
  • Функции на активация, функции на загуба и оптимизатори
  • Преобучение, недообучение и техники за регулиране
  • Введение в TensorFlow и PyTorch

Преглед на генеративните модели

  • Видове генеративни модели
  • Разлики между дискриминиращи и генеративни модели
  • Приложения на генеративните модели

Вариационни автоенкодъри (VAE)

  • Разбиране на автоенкодърите
  • Архитектура на VAE
  • Латентно пространство и неговото значение
  • Практическо задание: Създаване на прост VAE

Генеративни антагонистични мрежи (GANs)

  • Введение в GANs
  • Архитектура на GANs: Генератор и Дискриминатор
  • Обучаване на GANs и предизвикателства
  • Практическо задание: Създаване на базова GAN

Надградени генеративни модели

  • Введение в трансформерни модели
  • Преглед на GPT (Generative Pretrained Transformer) модели
  • Приложения на GPT в генерирането на текст
  • Практическо задание: Генерация на текст с предобучен GPT модел

Етика и последици

  • Етични разсъждения в генеративната изкуствена интелигенция
  • Предразпреденост и справедливост в моделите на изкуствена интелигенция
  • Будущи следствия и отговорна изкуствена интелигенция

Приложения на индустрията на генеративната изкуствена интелигенция

  • Генеративна изкуствена интелигенция в изкуството и креативността
  • Приложения в бизнес и маркетинг
  • Генеративна изкуствена интелигенция в науката и изследванията

Капстов проект

  • Идеация и предложение на проект за генеративна изкуствена интелигенция
  • Сбор и предобработка на данни
  • Избор и обучение на модел
  • Оценка и представяне на резултати

Резюме и следващи стъпки

Изисквания

  • Основно разбиране на базовите концепции на програмирането в Python
  • Опит с базовите математически концепции, особено вероятност и линейна алгебра

Целева аудитория

  • Разработчици
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории