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
Bevezetés a generatív AI-be
- Mi az a generatív AI?
- A generatív AI története és fejlődése
- Kulcsfontosságú fogalmak és terminológia
- A generatív AI alkalmazásai és potenciálja
A gép tanulás alapjai
- Bevezetés a gép tanulásba
- Gép tanulás típusai: felügyeletes, felügyelet nélküli és megerősítő tanulás
- Alap algoritmusok és modellek
- Adat előfeldolgozás és jellemzők kialakítása
Mély tanulás alapjai
- Ideghálózatok és mély tanulás
- Aktiválási funkciók, veszteségi funkciók és optimalizálók
- Túltanulás, alultanulás és regulárisítási technikák
- Bevezetés a TensorFlow és PyTorch használatába
Generatív modellek áttekintése
- Generatív modellek típusai
- A generatív és differenciális modellek közötti különbségek
- Generatív modellek alkalmazási területei
Variációs autoencoder (VAE)
- Az autoencoderok megértése
- A VAE architektúrája
- A latent tér és jelentősége
- Praktikus projekt: egyszerű VAE építése
Generatív ellenőrző hálózatok (GAN)
- Bevezetés a GAN-okba
- A GAN-ok architektúrája: generátor és differenciátor
- GAN-ok edzése és kihívások
- Praktikus projekt: alapos GAN létrehozása
Fejlett generatív modellek
- Bevezetés a Transformer-modellekbe
- Áttekintés a GPT (Generatív Előképzett Transformer) modellekről
- A GPT alkalmazásai a szöveggenerálásban
- Praktikus projekt: szöveggenerálás előre készített GPT modell használatával
Etika és következmények
- Etikai megfontolások a generatív AI-ban
- Bias és igazságosság az AI-modellekben
- Jövőbeli következmények és felelős AI
A generatív AI ipari alkalmazásai
- Generatív AI a művészetben és a kreativitásban
- Alkalmazások üzlet és marketing területén
- Generatív AI a tudományban és a kutatásban
Összegző projekt
- Generatív AI projekt ötlete és javaslat
- Adathalmaz gyűjtés és előfeldolgozás
- Modell kiválasztás és edzés
- Eredmények értékelése és bemutatása
Összegzés és következő lépések
Követelmények
- Python alapprogramozási fogalmak megértése
- Alapvető matematikai fogalmak ismerete, különösen a valószínűségszámítás és a lineáris algebra terén
Célközönség
- Fejlesztők
14 Órák