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

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie