Plan Szkolenia

Wprowadzenie

  • Czym jest generatywna sztuczna inteligencja?
  • Generatywna sztuczna inteligencja w porównaniu do innych rodzajów 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 z użyciem generatywnej sztucznej inteligencji

  • Generowanie obrazów na podstawie opisów tekstowych
  • Użycie GAN do tworzenia realistycznych i zróżnicowanych obrazów
  • Użycie VAE do tworzenia obrazów z zmiennymi ukrytymi
  • Użycie przenoszenia stylu do nakładania stylów artystycznych na obrazy

Tworzenie tekstu z użyciem generatywnej sztucznej inteligencji

  • Generowanie tekstu na podstawie tekstowych wyskakujących okienek
  • Użycie modeli opartego na transformatorach do tworzenia tekstu z kontekstem i spójnością
  • Użycie podsumowywania tekstu do tworzenia zwięzłych streszczeń długich tekstów
  • Użycie paraphrasingu tekstu do tworzenia różnych sposobów wyrażania tego samego znaczenia

Tworzenie dźwięku z użyciem 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 z użyciem 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 zróżnicowania treści w generatywnej sztucznej inteligencji
  • Użycie miar, takich jak inception score, Fréchet inception distance i BLEU score
  • Wykorzystanie oceny przez ludzi za pomocą crowdsourcingu i ankiet
  • Zastosowanie metod oceny przeciwnych, takich jak testy Turinga i dyskryminatory

Rozumienie etycznych i społecznych implikacji generatywnej sztucznej inteligencji

  • Zapewnienie sprawiedliwości i odpowiedzialności
  • Unikanie nadużyć i złego użycia
  • Szanowanie praw i prywatności twórców i konsumentów treści
  • Fostering creativity and collaboration of human and AI

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie podstawowych koncepcji i terminologii związanych z AI
  • Doświadczenie w programowaniu w języku Python i analizie danych
  • Zapoznanie z frameworkami do uczenia głębokiego, takimi jak TensorFlow lub PyTorch

Grupa docelowa

  • Naukowcy danych
  • Deweloperzy AI
  • Enthusiasty AI
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie