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
Vélemények (4)
oktató lelkesedése
Anca Sana - Curs Public
Kurzus - Boost Your Productivity with Microsoft Copilot 365
Gépi fordítás
Az oktatók válaszolhatnak minden kérdésre és fogadhatnak bármilyen megkeresést
Dewi Anggryni - PT Dentsu International Indonesia
Kurzus - Copilot for Finance and Accounting Professionals
Gépi fordítás
Az AI felhasználási esetek és alkalmazásainak átvétele segítőnek volt. Elégedett voltam az egyes mesterséges intelligencia ügynökök körutatással.
Axel Schulz - CANARIE Inc
Kurzus - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Gépi fordítás
A képző rendkívül nagy tudást és kitettséges oktatói készségeket bír, és válaszol minden kérdésre. A teljes képzés nagyon érdekes volt, és ajánlanám másoknak is részt venni.
Daria - LKQ Polska Sp. z o. o.
Kurzus - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Gépi fordítás