Kurzusleírás

Bevezetés a generatív MI-be

  • A generatív MI definíciója
  • Generatív modellek áttekintése (GANs, VAEs stb.)
  • Alkalmazások és esettanulmányok

A szintetikus adatok szükségessége

  • A valós adatok korlátai
  • Adatvédelem és biztonsági kérdések
  • MI modellek robusztusságának növelése

Szintetikus adatok generálása

  • Szintetikus adatok generálásának technikái
  • Az adatok minőségének és sokféleségének biztosítása
  • Gyakorlati workshop: Az első szintetikus adathalmaz létrehozása

Szintetikus adatok értékelése

  • Metrikák a szintetikus adatok minőségének értékeléséhez
  • Szintetikus és valós adatok teljesítményének összehasonlítása
  • Esettanulmány elemzése

Etikai és jogi szempontok

  • Az etikai környezet navigálása
  • Jogi keretek és megfelelőség
  • Innováció és felelősség egyensúlyozása

Haladó témák az adatszintézisben

  • Szintetikus adatok felügyelet nélküli tanuláshoz
  • Kereszt-tartományos adatszintézis
  • Jövőbeli trendek a generatív MI-ben

Záróprojekt

  • Tudás alkalmazása valós forgatókönyvekben
  • Szintetikus adatstratégia kialakítása
  • Értékelés és visszajelzés

Összefoglalás és következő lépések

Követelmények

  • Alapvető gépi tanulási fogalmak ismerete
  • Tapasztalat Python programozásban
  • Ismeret a data science munkafolyamatokban

Közönség

  • Adattudósok
  • MI gyakorlók
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák