Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Generatív AI alapok áttekintése
- Gyors áttekintés a generatív AI fogalmairól
- Haladó alkalmazások és esettanulmányok
Mélymerülés a Generatív Adversarial Hálózatokba (GAN-ok)
- GAN architektúrák részletes tanulmányozása
- GAN betanítását javító technikák
- Feltételes GAN-ok és azok alkalmazásai
- Gyakorlati projekt: Komplex GAN tervezése
Haladó Variációs Autoencoder-ek (VAE-k)
- VAE-k határainak felfedezése
- Szétválasztott reprezentációk VAE-kben
- Beta-VAE-k és azok jelentősége
- Gyakorlati projekt: Haladó VAE építése
Transformerek és generatív modellek
- A Transformer architektúra megértése
- Generatív Pretrained Transformer-ek (GPT) és BERT generatív feladatokban
- Finomhangolási stratégiák generatív modellekhez
- Gyakorlati projekt: GPT modell finomhangolása egy adott területre
Diffúziós modellek
- Bevezetés a diffúziós modellekbe
- Diffúziós modellek betanítása
- Alkalmazások kép- és hanggenerálásban
- Gyakorlati projekt: Diffúziós modell implementálása
Megerősítő tanulás a generatív AI-ban
- Megerősítő tanulás alapjai
- Megerősítő tanulás integrálása generatív modellekkel
- Alkalmazások játéktervezésben és eljárásos tartalomgenerálásban
- Gyakorlati projekt: Tartalom létrehozása megerősítő tanulással
Haladó témák az etikában és az elfogultságban
- Deepfake-ek és szintetikus média
- Elfogultság felismerése és enyhítése generatív modellekben
- Jogi és etikai megfontolások
Iparspecifikus alkalmazások
- Generatív AI az egészségügyben
- Kreatív iparágak és szórakoztatás
- Generatív AI a tudományos kutatásban
Kutatási trendek a generatív AI-ban
- Legújabb fejlemények és áttörések
- Nyitott problémák és kutatási lehetőségek
- Felkészülés a generatív AI kutatói karrierjére
Záróprojekt
- Generatív AI-hoz illő probléma azonosítása
- Haladó adatkészlet előkészítés és bővítés
- Modell kiválasztása, betanítása és finomhangolása
- A projekt értékelése, iterációja és bemutatása
Összefoglalás és következő lépések
Követelmények
- Alapvető gépi tanulási fogalmak és algoritmusok ismerete
- Tapasztalat Python programozásban és TensorFlow vagy PyTorch alapvető használatában
- Ismeret a neurális hálózatok és mélytanulás alapelveiről
Célközönség
- Adattudósok
- Gépi tanulási mérnökök
- AI szakemberek
21 Órák
Vélemények (2)
Az interaktív stílus, a gyakorlatok
Tamas Tutuntzisz
Kurzus - Introduction to Prompt Engineering
Gépi fordítás
Egy kiváló erőforrás-tár a jövőbeni használatra, oktató stílusa (teljesen humorérzékeny, nagyszerű részletességgel)
Adam - GE Aerospace Poland Sp. z o.o.
Kurzus - Prompt Engineering for ChatGPT
Gépi fordítás