Plan Szkolenia

Wprowadzenie

  • Czym jest generatywna AI?
  • Generatywna AI a inne typy AI
  • Przegląd głównych technik i modeli w generatywnej AI
  • Zastosowania i przypadki użycia generatywnej AI
  • Wyzwania i ograniczenia generatywnej AI

Tworzenie obrazów za pomocą generatywnej AI

  • Generowanie obrazów na podstawie opisów tekstowych
  • Wykorzystanie GAN-ów do tworzenia realistycznych i różnorodnych obrazów
  • Wykorzystanie VAE-ów do tworzenia obrazów z ukrytymi zmiennymi
  • Wykorzystanie transferu stylu do aplikowania stylów artystycznych na obrazach

Tworzenie tekstu za pomocą generatywnej AI

  • Generowanie tekstu na podstawie tekstowych podpowiedzi
  • Wykorzystanie modeli opartych na transformatorach do tworzenia spójnego tekstu z kontekstem
  • Wykorzystanie podsumowywania tekstu do tworzenia zwięzłych streszczeń długich tekstów
  • Wykorzystanie parafrazowania tekstu do tworzenia różnych sposobów wyrażania tego samego znaczenia

Tworzenie dźwięku za pomocą generatywnej AI

  • Generowanie mowy z tekstu
  • Generowanie tekstu z mowy
  • Generowanie muzyki z tekstu lub dźwięku
  • Generowanie mowy z określonym głosem

Tworzenie innych treści za pomocą generatywnej AI

  • Generowanie kodu z języka naturalnego
  • Generowanie szkiców produktów z tekstu
  • Generowanie wideo z tekstu lub obrazów
  • Generowanie modeli 3D z tekstu lub obrazów

Ocena generatywnej AI

  • Ocena jakości i różnorodności treści generowanych przez generatywną AI
  • Wykorzystanie metryk takich jak inception score, Fréchet inception distance i BLEU score
  • Wykorzystanie oceny ludzkiej poprzez crowdsourcing i ankiety
  • Stosowanie metod oceny poprzez testy Turinga i dyskryminatory

Zrozumienie etycznych i społecznych implikacji generatywnej AI

  • Zapewnienie uczciwości i odpowiedzialności
  • Unikanie nadużyć i niewłaściwego wykorzystania
  • Szanowanie praw i prywatności twórców i konsumentów treści
  • Wspieranie kreatywności i współpracy ludzi i AI

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie podstawowych pojęć i terminologii związanych z AI
  • Doświadczenie w programowaniu w Pythonie i analizie danych
  • Znajomość frameworków do głębokiego uczenia, takich jak TensorFlow lub PyTorch

Grupa docelowa

  • Naukowcy zajmujący się danymi
  • Programiści AI
  • Entuzjaści AI
 14 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie