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.
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 Часа