Plan Szkolenia

Wprowadzenie

  • Co to jest generatywna sztuczna inteligencja?
  • Generatywna sztuczna inteligencja vs inne typy sztucznej inteligencji
  • Przegląd głównych technik i modeli w generatywnej sztucznej inteligencji
  • Zastosowania i przypadki użycia generatywnej sztucznej inteligencji
  • Wyzwania i ograniczenia generatywnej sztucznej inteligencji

Tworzenie obrazów za pomocą generatywnej sztucznej inteligencji

  • Generowanie obrazów z opisów tekstowych
  • Używanie GANów do tworzenia realistycznych i zróżnicowanych obrazów
  • Używanie VAEs do tworzenia obrazów z zmiennymi ukrytymi
  • Używanie przenoszenia stylu do aplikowania stylów artystycznych do obrazów

Tworzenie tekstu za pomocą generatywnej sztucznej inteligencji

  • Generowanie tekstu z tekstowych wpisów
  • Używanie modeli opartych na transformatorach do tworzenia tekstu z kontekstem i spójnością
  • Używanie skrótu tekstu do tworzenia zwięzłych podsumowań długich tekstów
  • Używanie paraphrasingu tekstu do tworzenia różnych sposobów wyrażania tego samego znaczenia

Tworzenie dźwięku za pomocą generatywnej sztucznej inteligencji

  • 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 sztucznej inteligencji

  • 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 sztucznej inteligencji

  • Ocena jakości i różnorodności treści w generatywnej sztucznej inteligencji
  • Używanie metryk takich jak punkt incepcji, odległość Fréchet incepcji i punkt BLEU
  • Używanie oceny przez ludzi poprzez crowdsourcing i ankiety
  • Zastosowanie metod oceny rywalizacyjnej, takich jak test Turinga i dyskryminatory

Rozumienie etycznych i społecznych implikacji generatywnej sztucznej inteligencji

  • Zapewnienie sprawiedliwości i odpowiedzialności
  • Unikanie nadużyć i złośliwego użycia
  • Szanowanie praw i prywatności twórców i konsumentów treści
  • Promowanie kreatywności i współpracy między człowiekiem i sztuczną inteligencją

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie podstawowych koncepcji i terminologii sztucznej inteligencji
  • Doświadczenie w programowaniu w Pythonie i analizie danych
  • Znajomość frameworków uczenia głębokiego, takich jak TensorFlow lub PyTorch

Grupa docelowa

  • Naukowcy danych
  • Deweloperzy AI
  • Entuzjaści AI
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie