Plan Szkolenia

Wprowadzenie do Generative AI

  • Czym jest Generative AI?
  • Historia i ewolucja Generative AI
  • Kluczowe koncepcje i terminologia
  • Przegląd zastosowań i potencjału Generative AI

Podstawy uczenia maszynowego

  • Wprowadzenie do uczenia maszynowego
  • Typy uczenia maszynowego: nadzorowane, nienadzorowane i uczenie przez wzmacnianie
  • Podstawowe algorytmy i modele
  • Przetwarzanie danych i inżynieria cech

Podstawy uczenia głębokiego

  • Sieci neuronowe i uczenie głębokie
  • Funkcje aktywacji, funkcje straty i optymalizatory
  • Przeuczenie, niedouczenie i techniki regularyzacji
  • Wprowadzenie do TensorFlow i PyTorch

Przegląd modeli generatywnych

  • Typy modeli generatywnych
  • Różnice między modelami dyskryminacyjnymi i generatywnymi
  • Zastosowania modeli generatywnych

Variational Autoencoders (VAEs)

  • Zrozumienie autoenkoderów
  • Architektura VAEs
  • Przestrzeń latentna i jej znaczenie
  • Praktyczny projekt: Budowa prostego VAE

Generative Adversarial Networks (GANs)

  • Wprowadzenie do GANs
  • Architektura GANs: Generator i Dyskryminator
  • Trenowanie GANs i wyzwania
  • Praktyczny projekt: Tworzenie podstawowego GAN

Zaawansowane modele generatywne

  • Wprowadzenie do modeli Transformer
  • Przegląd modeli GPT (Generative Pretrained Transformer)
  • Zastosowania GPT w generowaniu tekstu
  • Praktyczny projekt: Generowanie tekstu z użyciem wstępnie wytrenowanego modelu GPT

Etyka i implikacje

  • Rozważania etyczne w Generative AI
  • Błąd i uczciwość w modelach AI
  • Przyszłe implikacje i odpowiedzialne AI

Zastosowania przemysłowe Generative AI

  • Generative AI w sztuce i kreatywności
  • Zastosowania w biznesie i marketingu
  • Generative AI w nauce i badaniach

Projekt końcowy

  • Tworzenie koncepcji i propozycji projektu Generative AI
  • Zbieranie i przetwarzanie danych
  • Wybór i trenowanie modelu
  • Ocena i prezentacja wyników

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość podstawowych koncepcji programowania w Pythonie
  • Doświadczenie w podstawowych koncepcjach matematycznych, zwłaszcza w zakresie prawdopodobieństwa i algebry liniowej

Grupa docelowa

  • Programiści
 14 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (3)

Propozycje terminów

Powiązane Kategorie