Zkuste nás kontaktovat

Návrh Školení

Úvod

  • Co je to generativní umělá inteligence?
  • Generativní AI vs. ostatní typy umělé inteligence
  • Přehled hlavních technik a modelů v rámci generativní AI
  • Aplikace a praktické případy použití generativní AI
  • Výzvy a omezení generativní AI

Vytváření obrázků pomocí generativní AI

  • Generování obrázků z textových popisů
  • Použití GAN k vytváření realistických a rozmanitých obrázků
  • Využití VAE pro tvorbu obrázků na základě latentních proměnných
  • Přenos uměleckého stylu za účelem aplikace konkrétních vzorů na obrázky

Vytváření textu pomocí generativní AI

  • Generování textu z textových pokynů
  • Použití transformátorových modelů k tvorbě kontextově a sémanticky koherentního textu
  • Využití automatického shrnování textu k vytvoření stručných verzí dlouhých textů
  • Parafrázování textu za účelem vytvoření různých způsobů vyjádření stejného obsahu

Vytváření zvuku pomocí generativní AI

  • Generování řeči z textu
  • Převod mluveného slova na text
  • Vytváření hudby z textu nebo existujícího audio
  • Generování řeči se specifickým charakterem hlasu

Vytváření dalšího obsahu pomocí generativní AI

  • Generování kódu z přirozeného jazyka
  • Tvorba náčrtů produktů na základě textových popisů
  • Vytváření videí z textu či obrázků
  • Generování 3D modelů na základě textu nebo obrázků

Hodnocení výsledků generovaných pomocí AI

  • Posuzování kvality a rozmanitosti obsahu vytvořeného genrativními modely
  • Použití metrik jako je Inception Score, Fréchet Inception Distance a BLEU skóre
  • Aplikace lidského hodnocení prostřednictvím crowdsourcingu a průzkumů
  • Aplikování adversarialních metod hodnocení včetně Turingových testů a diskriminátorů

Etické a společenské aspekty generativní AI

  • Zajištění spravedlnosti a odpovědnosti při používání těchto modelů
  • Prevence zneužití a špatného využití generativní AI
  • Respektování práv a soukromí tvůrců i uživatelů obsahu
  • Podpora spolupráce mezi lidmi a umělou inteligencí v procesu tvorby

Shrnutí a další kroky

Požadavky

  • Základní znalost konceptů a terminologie v oblasti umělé inteligence
  • Praxe v programování v jazyce Python a práci s daty
  • Seznámenost s frameworky hlubokého učení jako TensorFlow nebo PyTorch

Cílové skupiny

  • Data scienceři
  • Vývojáři AI
  • Nadšenci do umělé inteligence
 14 Hodiny

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie