Kurzusleírás

Bevezetés

  • Mi a generatív MI?
  • Generatív MI más típusú MI-kkel szemben
  • A generatív MI fő technikáinak és modelljeinek áttekintése
  • A generatív MI alkalmazásai és használati esetei
  • A generatív MI kihívásai és korlátai

Képek létrehozása generatív MI-vel

  • Képek generálása szöveges leírások alapján
  • GAN-ok használata valósághű és változatos képek létrehozására
  • VAE-k használata képek létrehozására rejtett változókkal
  • Stílusátvitel alkalmazása képekre művészi stílusokkal

Szöveg létrehozása generatív MI-vel

  • Szöveg generálása szöveges utasítások alapján
  • Transzformer-alapú modellek használata kontextusos és koherens szöveg létrehozására
  • Szövegösszefoglalás használata hosszú szövegek rövid összefoglalásának létrehozására
  • Szövegparafrázis használata ugyanazon jelentés különböző kifejezésmódjainak létrehozására

Hanganyag létrehozása generatív MI-vel

  • Beszéd generálása szövegből
  • Szöveg generálása beszédből
  • Zene generálása szövegből vagy hanganyagból
  • Beszéd generálása meghatározott hanggal

Egyéb tartalom létrehozása generatív MI-vel

  • Kód generálása természetes nyelvből
  • Termékvázlatok generálása szövegből
  • Videó generálása szövegből vagy képekből
  • 3D modellek generálása szövegből vagy képekből

Generatív MI értékelése

  • Tartalom minőségének és sokféleségének értékelése generatív MI-ben
  • Metrikák használata, mint például inception score, Fréchet inception distance és BLEU score
  • Emberi értékelés alkalmazása közösségi források és felmérések segítségével
  • Adversarial értékelési módszerek alkalmazása, mint például Turing tesztek és diszkriminátorok

A generatív MI etikai és társadalmi hatásainak megértése

  • A tisztességesség és felelősség biztosítása
  • A visszaélés és visszaélés elkerülése
  • A tartalomkészítők és fogyasztók jogainak és magánéletének tiszteletben tartása
  • Az emberi és MI közötti kreativitás és együttműködés elősegítése

Összefoglalás és következő lépések

Követelmények

  • Alapvető MI fogalmak és terminológia ismerete
  • Tapasztalat Python programozásban és adatelemzésben
  • Ismeret a mélytanulási keretrendszerekben, mint például a TensorFlow vagy a PyTorch

Célközönség

  • Adattudósok
  • MI fejlesztők
  • MI rajongók
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák