Kursplan

Gjennomgang av Generative AI Grunnleggende

  • Rask oppsummering av Generative AI konsepter
  • Avanserte applikasjoner og casestudier

Dykk dypt inn i Generative Adversarial Networks (GANs)

  • Dybdestudie av GAN-arkitekturer
  • Teknikker for å forbedre GAN-trening
  • Betingede GAN-er og deres applikasjoner
  • Praktisk prosjekt: Utforming av en kompleks GAN

Advanced Variational Autoencoders (VAEs)

  • Utforske grensene for VAE
  • Usammenfiltrede representasjoner i VAE-er
  • Beta-VAE og deres betydning
  • Praktisk prosjekt: Bygge en avansert VAE

Transformatorer og generative modeller

  • Forstå transformatorarkitekturen
  • Generative Pretrained Transformers (GPT) og BERT for generative oppgaver
  • Finjusteringsstrategier for generative modeller
  • Praktisk prosjekt: Finjustering av en GPT-modell for et spesifikt domene

Diffusjonsmodeller

  • Introduksjon til diffusjonsmodeller
  • Treningsdiffusjonsmodeller
  • Applikasjoner innen bilde- og lydgenerering
  • Hands-on prosjekt: Implementering av en diffusjonsmodell

Reinforcement Learning i Generative AI

  • Grunnleggende læring for forsterkning
  • Integrering av forsterkende læring med generative modeller
  • Applikasjoner innen spilldesign og prosessuell innholdsgenerering
  • Hands-on prosjekt: Lage innhold med forsterkende læring

Avanserte emner i etikk og skjevhet

  • Deepfakes og syntetiske medier
  • Oppdage og redusere skjevheter i generative modeller
  • Juridiske og etiske hensyn

Bransjespesifikke applikasjoner

  • Generative AI i helsevesenet
  • Kreative næringer og underholdning
  • Generative AI i vitenskapelig forskning

Forskningstrender i Generative AI

  • Siste fremskritt og gjennombrudd
  • Åpne problemer og forskningsmuligheter
  • Forbereder seg på en forskerkarriere i Generative AI

Capstone-prosjektet

  • Identifisere et problem som passer for Generative AI
  • Avansert utarbeidelse og utvidelse av datasett
  • Modellvalg, trening og finjustering
  • Evaluering, iterasjon og presentasjon av prosjektet

Sammendrag og neste trinn

Krav

  • En forståelse av grunnleggende maskinlæringskonsepter og algoritmer
  • Erfaring med Python programmering og grunnleggende bruk av TensorFlow eller PyTorch
  • Kjennskap til prinsippene for nevrale nettverk og dyp læring

Publikum

  • Dataforskere
  • Maskinlæringsingeniører
  • AI-utøvere
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories