Schița de curs
Recapitularea bazelor Inteligenței Artificiale Generative
- Scurtă recapitulare a conceptelor de Inteligență Artificială Generativă
- Aplicații avansate și studii de caz
Profunzime în Rețele Generatoare Adversariale (GAN-uri)
- Studiu aprofundat al arhitecturilor GAN
- Tehnici de îmbunătățire a antrenării GAN
- GAN-uri condiționale și aplicațiile lor
- Proiect practic: Proiectarea unui GAN complex
Autoencodere Variationale Avansate (VAE-uri)
- Explorarea limitelor VAE-urilor
- Reprezentări dezbinate în VAE-uri
- Beta-VAE-uri și semnificația lor
- Proiect practic: Construirea unui VAE avansat
Transformere și Modele Generative
- Înțelegerea arhitecturii Transformer
- Transformere Pretrenate Generative (GPT) și BERT pentru sarcini generative
- Strategii de fine-tuning pentru modele generative
- Proiect practic: Fine-tuning al unui model GPT pentru un domeniu specific
Modele de Difuzie
- Introducere în modelele de difuzie
- Antrenarea modelelor de difuzie
- Aplicații în generarea de imagini și audio
- Proiect practic: Implementarea unui model de difuzie
Învățarea prin Recompensă în Inteligența Artificială Generativă
- Bazele învățării prin recompensă
- Integrarea învățării prin recompensă cu modelele generative
- Aplicații în designul de jocuri și generarea de conținut procedural
- Proiect practic: Crearea de conținut cu învățare prin recompensă
Subiecte Avansate în Etică și Părtinire
- Deepfake-uri și media sintetică
- Detectarea și atenuarea părtinirii în modelele generative
- Considerații legale și etice
Aplicații Specifice Industriei
- Inteligența Artificială Generativă în sănătate
- Industrii creative și divertisment
- Inteligența Artificială Generativă în cercetarea științifică
Tendințe de Cercetare în Inteligența Artificială Generativă
- Cele mai recente avansări și descoperiri
- Probleme deschise și oportunități de cercetare
- Pregătirea pentru o carieră în cercetarea Inteligenței Artificiale Generative
Proiect de Capstone
- Identificarea unei probleme adecvate pentru Inteligența Artificială Generativă
- Pregătirea avansată a seturilor de date și augmentarea lor
- Selectarea, antrenarea și fine-tuning-ul modelelor
- Evaluarea, iterarea și prezentarea proiectului
Rezumat și Pași Următori
Cerințe
- Înțelegerea conceptelor și algoritmilor fundamentali ai învățării automate
- Experiență în programarea Python și utilizarea de bază a TensorFlow sau PyTorch
- Familiaritate cu principiile rețelelor neuronale și ale învățării profunde
Publicul țintă
- Specialiști în știința datelor
- Ingineri de învățare automată
- Practicieni AI
Mărturii (2)
sfaturile și prompturile recomandate pe care le putem pune în practică în urma acestui training
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Curs - InVideo AI: Creating Engaging Short-Form Videos
Tradus de catre o masina
folosirea unor prompturi corecte și eficiente
Marses Pacaldo
Curs - Generative AI and Prompt Engineering for Corporate Professionals
Tradus de catre o masina
