План на курса

Въведение в Generative AI

  • Какво е Generative AI?
  • История и еволюция на Generative AI
  • Ключови понятия и терминология
  • Преглед на приложенията и потенциала на Generative AI

Основи на Machine Learning

  • Въведение в машинното обучение
  • Видове машинно обучение: контролирано, неконтролирано и Reinforcement Learning
  • Основни алгоритми и модели
  • Предварителна обработка на данни и проектиране на функции

Deep Learning Основи

  • Невронни мрежи и дълбоко обучение
  • Функции за активиране, функции за загуба и оптимизатори
  • Техники на свръхнапасване, недостатъчно напасване и регулиране
  • Въведение в TensorFlow и PyTorch

Общ преглед на генеративните модели

  • Видове генеративни модели
  • Разлики между дискриминативни и генеративни модели
  • Случаи на използване на генеративни модели

Вариационни автоенкодери (VAE)

  • Разбиране на автоенкодерите
  • Архитектурата на VAE
  • Латентното пространство и неговото значение
  • Практически проект: Изграждане на прост VAE

Генеративни състезателни мрежи (GANs)

  • Въведение в GAN
  • Архитектурата на GAN: Генератор и Дискриминатор
  • GAN за обучение и предизвикателства
  • Практически проект: Създаване на основен GAN

Разширени генеративни модели

  • Въведение в моделите Transformer
  • Преглед на GPT (Generative Pretrained Transformer) модели
  • Приложения на GPT при генериране на текст
  • Практически проект: Генериране на текст с предварително обучен GPT модел

Етика и последици

  • Етични съображения в Generative AI
  • Пристрастност и справедливост в моделите на AI
  • Бъдещи последици и отговорен AI

Промишлени приложения на Generative AI

  • Generative AI в изкуството и творчеството
  • Приложения в бизнеса и маркетинга
  • Generative AI в науката и изследванията

Проект Capstone

  • Идея и предложение за генериращ AI проект
  • Събиране на набор от данни и предварителна обработка
  • Избор и обучение на модел
  • Оценка и представяне на резултатите

Обобщение и следващи стъпки

Изисквания

  • Разбиране на основните концепции за програмиране в Python
  • Опит с основни математически концепции, особено вероятност и линейна алгебра

Публика

  • Разработчици
 14 Hours

Брой участници



Цена за участник

Свързани Kурсове

LangChain: Building AI-Powered Applications

14 Hours

LangChain Fundamentals

14 Hours

Small Language Models (SLMs): Applications and Innovations

14 Hours

Small Language Models (SLMs) for Domain-Specific Applications

28 Hours

Small Language Models (SLMs): Developing Energy-Efficient AI

21 Hours

Small Language Models (SLMs) for Human-AI Interactions

14 Hours

Small Language Models (SLMs) for On-Device AI

21 Hours

Introduction to Google Gemini AI

14 Hours

Google Gemini AI for Content Creation

14 Hours

Google Gemini AI for Transformative Customer Service

14 Hours

Google Gemini AI for Data Analysis

21 Hours

Generative AI with Large Language Models (LLMs)

21 Hours

LlamaIndex: Enhancing Contextual AI

14 Hours

LlamaIndex: Developing LLM Powered Applications

42 Hours

Introduction to Large Language Models (LLMs)

14 Hours

Свързани Kатегории

1