Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kurzusleírás
A Generative AI alapok áttekintése
- Gyors összefoglaló Generative AI fogalomról
- Haladó alkalmazások és esettanulmányok
Mély merülés a generatív ellenséges hálózatokban (GAN)
- A GAN architektúrák mélyreható tanulmányozása
- Technikák a GAN képzés javítására
- Feltételes GAN-ok és alkalmazásaik
- Gyakorlati projekt: Komplex GAN tervezése
Fejlett variációs automatikus kódolók (VAE)
- A VAE határainak feltárása
- Szétválasztott ábrázolások VAE-ben
- A béta-VAE-k és jelentőségük
- Gyakorlati projekt: Fejlett VAE építése
Transzformátorok és generatív modellek
- A Transformer architektúra megértése
- Generatív előképzett transzformátorok (GPT) és BERT generatív feladatokhoz
- Finomhangolási stratégiák generatív modellekhez
- Gyakorlati projekt: GPT-modell finomhangolása egy adott tartományhoz
Diffúziós modellek
- Bevezetés a diffúziós modellekbe
- Képzési diffúziós modellek
- Alkalmazások kép- és hanggenerálásban
- Gyakorlati projekt: diffúziós modell megvalósítása
Reinforcement Learning itt: Generative AI
- Megerősítő tanulás alapjai
- Megerősítő tanulás integrálása generatív modellekkel
- Alkalmazások játéktervezésben és procedurális tartalomgenerálásban
- Gyakorlati projekt: Tartalom létrehozása megerősítő tanulással
Haladó témák az etikában és az elfogultságban
- Deep hamisítványok és szintetikus adathordozók
- A torzítás észlelése és enyhítése generatív modellekben
- Jogi és etikai megfontolások
Iparspecifikus alkalmazások
- Generative AI az egészségügyben
- Kreatív iparágak és szórakoztatás
- Generative AI a tudományos kutatásban
Kutatási trendek itt: Generative AI
- A legújabb fejlesztések és áttörések
- Nyitott problémák és kutatási lehetőségek
- Felkészülés kutatói karrierre itt: Generative AI
Capstone projekt
- A Generative AI számára megfelelő probléma azonosítása
- Fejlett adatkészlet-előkészítés és -kiegészítés
- Modellválasztás, betanítás és finomhangolás
- A projekt értékelése, iterációja és bemutatása
Összegzés és a következő lépések
Követelmények
- Az alapvető gépi tanulási koncepciók és algoritmusok megértése
- Python programozási tapasztalat és TensorFlow vagy PyTorch alapszintű használata
- A neurális hálózatok és a mély tanulás elveinek ismerete
Közönség
- Adattudósok
- Gépi tanulási mérnökök
- AI gyakorlók
21 Hours