Kurzusleírás

Bevezetés

  • Mi az a generatív AI?
  • Generatív AI kontra más típusú AI
  • A generatív mesterséges intelligencia fő technikáinak és modelljeinek áttekintése
  • A generatív AI alkalmazásai és használati esetei
  • A generatív AI kihívásai és korlátai

Képek létrehozása generatív mesterséges intelligencia segítségével

  • Képek generálása szöveges leírásokból
  • GAN-ok használata valósághű és változatos képek létrehozásához
  • VAE-k használata látens változókat tartalmazó képek létrehozásához
  • Stílusátvitel használata művészi stílusok képekre való alkalmazásához

Szöveg létrehozása generatív mesterséges intelligencia segítségével

  • Szöveg generálása szöveges promptokból
  • Transzformátor alapú modellek használata kontextussal és koherenciával rendelkező szöveg létrehozására
  • Szövegösszegzés használata hosszú szövegek tömör összefoglalásainak elkészítéséhez
  • A szöveg átfogalmazása ugyanazon jelentés kifejezésének különböző módozatainak létrehozására

Hang létrehozása generatív AI segítségével

  • Beszéd generálása szövegből
  • Szöveg generálása beszédből
  • Zene generálása szövegből vagy hangból
  • Beszéd generálása meghatározott hanggal

Más tartalom létrehozása a generatív mesterséges intelligencia segítségével

  • Kód generálása természetes nyelvből
  • Termékvázlatok generálása szövegből
  • Videó generálása szövegből vagy képekből
  • 3D modellek generálása szövegből vagy képekből

A Generatív AI értékelése

  • A tartalom minőségének és sokszínűségének felmérése a generatív AI-ban
  • Olyan mutatók használatával, mint a kezdőpontszám, a Fréchet-kezdési távolság és a BLEU-pontszám
  • Emberi értékelés felhasználása crowdsourcing és felmérések révén
  • A kontradiktórius értékelési módszerek, például a Turing-tesztek és a diszkriminátorok alkalmazása

A generatív AI etikai és társadalmi vonatkozásainak megértése

  • A méltányosság és az elszámoltathatóság biztosítása
  • A visszaélések és visszaélések elkerülése
  • A tartalomkészítők és fogyasztók jogainak és magánéletének tiszteletben tartása
  • Az ember és a mesterséges intelligencia kreativitásának és együttműködésének elősegítése

Összegzés és a következő lépések

Követelmények

  • Az alapvető AI-fogalmak és terminológia megértése
  • Python programozásban és adatelemzésben szerzett tapasztalat
  • A mély tanulási keretrendszerek ismerete, például TensorFlow vagy PyTorch

Közönség

  • Adattudósok
  • AI fejlesztők
  • AI rajongók
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák