Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do sztucznej inteligencji generatywnej
- Co to jest sztuczna inteligencja generatywna?
- Historia i ewolucja sztucznej inteligencji generatywnej
- Kluczowe koncepcje i terminologia
- Przegląd zastosowań i potencjału sztucznej inteligencji generatywnej
Podstawy uczenia maszynowego
- Wprowadzenie do uczenia maszynowego
- Rodzaje uczenia maszynowego: nadzorowane, nienadzorowane i uczenie z wzmocnieniem
- Podstawowe algorytmy i modele
- Przygotowanie danych i inżynieria cech
Podstawy uczenia głębokiego
- Sieci neuronowe i uczenie głębokie
- Funkcje aktywacji, funkcje strat i optymalizatory
- Przeuczenie, niedouczenie i techniki regularyzacji
- Wprowadzenie do TensorFlow i PyTorch
Przegląd modeli generatywnych
- Rodzaje modeli generatywnych
- Różnice między modelami dyskryminacyjnymi i generatywnymi
- Zastosowania modeli generatywnych
Autoenkodery zmiennoprzestrzenne (VAEs)
- Zrozumienie autoenkoderów
- Architektura VAEs
- Przestrzeń ukryta i jej znaczenie
- Projekt praktyczny: Budowa prostego VAEs
Sieci antagonistyczne generatywne (GANs)
- Wprowadzenie do GANs
- Architektura GANs: Generator i dyskryminator
- Trenowanie GANs i wyzwania
- Projekt praktyczny: Tworzenie podstawowego GAN
Zaawansowane modele generatywne
- Wprowadzenie do modeli Transformer
- Przegląd modeli GPT (Generative Pretrained Transformer)
- Zastosowania GPT w generacji tekstu
- Projekt praktyczny: Generowanie tekstu z użyciem wstępnie przetrenowanego modelu GPT
Etyka i implikacje
- Rozszerzenia etyczne w sztucznej inteligencji generatywnej
- Uprzedzenia i sprawiedliwość w modelach AI
- Przyszłe implikacje i odpowiedzialne AI
Zastosowania w przemyśle sztucznej inteligencji generatywnej
- Sztuczna inteligencja generatywna w sztuce i kreatywności
- Zastosowania w biznesie i marketingu
- Sztuczna inteligencja generatywna w nauce i badaniach
Projekt końcowy
- Koncepcja i propozycja projektu sztucznej inteligencji generatywnej
- Zbieranie i przygotowanie zbiorów danych
- Wybór i trening modelu
- Ocena i prezentacja wyników
Podsumowanie i następne kroki
Wymagania
- Znajomość podstawowych pojęć z zakresu programowania w Pythonie
- Doświadczenie z podstawowymi pojęciami matematycznymi, szczególnie z zakresu rachunku prawdopodobieństwa i algebry liniowej
Grupa docelowa
- Programiści
14 godzin