Kurzusleírás

Bevezetés a Generative AI-ba

  • A generatív AI meghatározása
  • A generatív modellek (GAN-ok, VAE-k stb.) áttekintése
  • Alkalmazások és esettanulmányok

A szintetikus adatok szükségessége

  • A valós adatok korlátai
  • Adatvédelmi és biztonsági aggályok
  • Az AI-modell robusztusságának fokozása

Szintetikus adatok generálása

  • Szintetikus adatgenerálás technikái
  • Az adatok minőségének és sokszínűségének biztosítása
  • Gyakorlati műhely: Az első szintetikus adatkészlet létrehozása

Szintetikus adatok kiértékelése

  • A szintetikus adatok minőségének értékelésére szolgáló mérőszámok
  • A szintetikus és a valós adatteljesítmény összehasonlítása
  • Esettanulmány elemzés

Etikai és jogi szempontok

  • Eligazodás az etikai tájon
  • Jogi keretek és megfelelés
  • Az innováció és a felelősség egyensúlya

Speciális témák az adatszintézisben

  • Szintetikus adatok felügyelet nélküli tanuláshoz
  • Domainek közötti adatszintézis
  • A generatív AI jövőbeli trendjei

Capstone projekt

  • A tudás alkalmazása valós forgatókönyvekre
  • Szintetikus adatstratégia kidolgozása
  • Értékelés és visszajelzés

Összegzés és a következő lépések

Követelmények

  • Az alapvető gépi tanulási fogalmak megértése
  • Python programozási tapasztalat
  • Az adattudományi munkafolyamatok ismerete

Közönség

  • Adattudósok
  • AI gyakorlók
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák