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.
Kursplan
Introduksjon til Generative AI
- Hva er Generative AI?
- Historie og utvikling av Generative AI
- Sentrale begreper og terminologi
- Oversikt over bruksområder og potensial for Generative AI
Grunnleggende om Machine Learning
- Introduksjon til maskinlæring
- Typer maskinlæring: overvåket, uovervåket og Reinforcement Learning
- Grunnleggende algoritmer og modeller
- Dataforbehandling og funksjonsutvikling
Deep Learning Grunnleggende
- Nevrale nettverk og dyp læring
- Aktiveringsfunksjoner, tapsfunksjoner og optimerere
- Overfitting, underfitting og regulariseringsteknikker
- Introduksjon til TensorFlow og PyTorch
Generative modeller oversikt
- Typer generative modeller
- Forskjeller mellom diskriminerende og generative modeller
- Bruk tilfeller for generative modeller
Variasjonelle autoenkodere (VAE)
- Forstå autoenkodere
- Arkitekturen til VAEs
- Latent rom og dets betydning
- Praktisk prosjekt: Bygge en enkel VAE
Generative Adversarial Networks (GAN)
- Introduksjon til GAN-er
- Arkitekturen til GANs: Generator og Diskriminator
- Trening av GAN-er og utfordringer
- Praktisk prosjekt: Opprette en grunnleggende GAN
Avanserte generative modeller
- Introduksjon til transformatormodeller
- Oversikt over GPT-modeller (Generative Pretrained Transformer).
- Anvendelser av GPT i tekstgenerering
- Praktisk prosjekt: Tekstgenerering med en forhåndsopplært GPT-modell
Etikk og implikasjoner
- Etiske hensyn i Generative AI
- Bias og rettferdighet i AI-modeller
- Fremtidige implikasjoner og ansvarlig AI
Bransjeapplikasjoner av Generative AI
- Generative AI i kunst og kreativitet
- Applikasjoner innen næringsliv og markedsføring
- Generative AI innen vitenskap og forskning
Capstone-prosjektet
- Idé og forslag til et generativt AI-prosjekt
- Datasettinnsamling og forbehandling
- Modellvalg og opplæring
- Evaluering og presentasjon av resultater
Sammendrag og neste trinn
Krav
- En forståelse av grunnleggende programmeringskonsepter i Python
- Erfaring med grunnleggende matematiske begreper, spesielt sannsynlighet og lineær algebra
Publikum
- Utviklere
14 timer
