Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Gjennomgang av Generative AI Grunnleggende
- Rask oppsummering av Generative AI konsepter
- Avanserte applikasjoner og casestudier
Dykk dypt inn i Generative Adversarial Networks (GANs)
- Dybdestudie av GAN-arkitekturer
- Teknikker for å forbedre GAN-trening
- Betingede GAN-er og deres applikasjoner
- Praktisk prosjekt: Utforming av en kompleks GAN
Advanced Variational Autoencoders (VAEs)
- Utforske grensene for VAE
- Usammenfiltrede representasjoner i VAE-er
- Beta-VAE og deres betydning
- Praktisk prosjekt: Bygge en avansert VAE
Transformatorer og generative modeller
- Forstå transformatorarkitekturen
- Generative Pretrained Transformers (GPT) og BERT for generative oppgaver
- Finjusteringsstrategier for generative modeller
- Praktisk prosjekt: Finjustering av en GPT-modell for et spesifikt domene
Diffusjonsmodeller
- Introduksjon til diffusjonsmodeller
- Treningsdiffusjonsmodeller
- Applikasjoner innen bilde- og lydgenerering
- Hands-on prosjekt: Implementering av en diffusjonsmodell
Reinforcement Learning i Generative AI
- Grunnleggende læring for forsterkning
- Integrering av forsterkende læring med generative modeller
- Applikasjoner innen spilldesign og prosessuell innholdsgenerering
- Hands-on prosjekt: Lage innhold med forsterkende læring
Avanserte emner i etikk og skjevhet
- Deepfakes og syntetiske medier
- Oppdage og redusere skjevheter i generative modeller
- Juridiske og etiske hensyn
Bransjespesifikke applikasjoner
- Generative AI i helsevesenet
- Kreative næringer og underholdning
- Generative AI i vitenskapelig forskning
Forskningstrender i Generative AI
- Siste fremskritt og gjennombrudd
- Åpne problemer og forskningsmuligheter
- Forbereder seg på en forskerkarriere i Generative AI
Capstone-prosjektet
- Identifisere et problem som passer for Generative AI
- Avansert utarbeidelse og utvidelse av datasett
- Modellvalg, trening og finjustering
- Evaluering, iterasjon og presentasjon av prosjektet
Sammendrag og neste trinn
Krav
- En forståelse av grunnleggende maskinlæringskonsepter og algoritmer
- Erfaring med Python programmering og grunnleggende bruk av TensorFlow eller PyTorch
- Kjennskap til prinsippene for nevrale nettverk og dyp læring
Publikum
- Dataforskere
- Maskinlæringsingeniører
- AI-utøvere
21 timer