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.
Návrh Školení
Přehled základů generativního umělého rozumu (AI)
- Rychlá rekapitulace pojmů generativního AI
- Pokročilé aplikace a případová studia
Profoundnější prohloubení do Generativních protivážkových sítí (GANs)
- Detailní studium architektur GAN
- Techniky zlepšující trénování GAN
- Podmíněné GAN a jejich aplikace
- Praktický projekt: Návrh komplexního GAN
Pokročilé Variational Autoencoders (VAE)
- Prozkoumání limit VAE
- Rozložená reprezentace v VAE
- Beta-VAE a jejich význam
- Praktický projekt: Sestavení pokročilého VAE
Transformers a generativní modely
- Rozumění architektuře Transformer
- Generativně předzpracované transformery (GPT) a BERT pro generativní úkoly
- Strategie finetuningu pro generativní modely
- Praktický projekt: Finetuning GPT modelu pro specifické oblasti
Diffuzní modely
- Úvod do diffuzních modelů
- Trénování diffuzních modelů
- Aplikace v generaci obrázků a zvuku
- Praktický projekt: Implementace diffuzního modelu
Učení s posuvnou odměňováním ve generativní AI
- Základy učení s posuvnou odměňováním
- Integrace učení s posuvnou odměňováním se s generativními modely
- Aplikace v návrhu her a generaci procedurálního obsahu
- Praktický projekt: Vytváření obsahu pomocí učení s posuvnou odměňováním
Pokročilé témata etiky a předsudků
- Deepfakes a syntetická média
- Detekce a odstranění předsudků v generativních modelech
- Právní a etické aspekty
Výrobní specifické aplikace
- Generativní AI v zdravotnictví
- Kreativní odvětví a zábava
- Generativní AI ve výzkumu
Výzkumné trendy ve generativní AI
- Nejnovější pokroky a průlomová zjištění
- Otevřené problémy a možnosti pro výzkum
- Příprava na kariéru ve výzkumu generativní AI
Kapstone projekt
- Identifikace problému vhodného pro generativní AI
- Pokročilá příprava a doplnění datových sad
- Výběr modelu, trénink a finetuning
- Evaluační proces, iterace a prezentace projektu
Shrnutí a další kroky
Požadavky
- Přehled základních konceptů a algoritmů strojového učení
- Zkušenosti s programováním v Pythonu a základním používáním TensorFlow nebo PyTorch
- znalost principů neuronových sítí a hlubokého učení
Cílová skupina
- Data vědci
- Inženýři strojového učení
- Praktikanti umělé inteligence
21 hodiny