Kursplan

Gjennomgang av grunnleggende generativ AI

  • Kort oppsummering av generative AI-konsepter
  • Avanserte anvendelser og case studies

Dypt dykk i generative antagonistiske nettverk (GANs)

  • Dybdeundersøkelse av GAN-arkitekturer
  • Teknikker for å forbedre GAN-trening
  • Betingede GANs og deres anvendelser
  • Praktisk prosjekt: Utforming av et komplekst GAN

Avanserte variasjonelle autoenkodere (VAEs)

  • Undersøkelse av grensene for VAEs
  • Løstkoblede representasjoner i VAEs
  • Beta-VAEs og deres betydning
  • Praktisk prosjekt: Bygging av en avansert VAE

Transformere og generative modeller

  • Forståelse av Transformer-arkitekturen
  • Generative Pretrained Transformers (GPT) og BERT for generative oppgaver
  • Strategier for finjustering av generative modeller
  • Praktisk prosjekt: Finjustering av en GPT-modell for et spesifikt felt

Diffusjonsmodeller

  • Innføring i diffusjonsmodeller
  • Trening av diffusjonsmodeller
  • Anvendelser innen bilde- og lydgenerering
  • Praktisk prosjekt: Implementering av en diffusjonsmodell

Forsterkende læring i generativ AI

  • Grunnleggende forsterkende læring
  • Integrering av forsterkende læring med generative modeller
  • Anvendelser innen spillutvikling og generering av prosedyralt innhold
  • Praktisk prosjekt: Skapelse av innhold med forsterkende læring

Avanserte emner i etikk og bias

  • Deepfakes og syntetisk media
  • Oppdagelse og avhjelping av bias i generative modeller
  • Juridiske og etiske overveielser

Branchespesifikke anvendelser

  • Generativ AI innen helsevesen
  • Kreative næringer og underholdning
  • Generativ AI innen vitenskapelig forskning

Forskningsretninger innen generativ AI

  • Seneste fremskritt og gjennombrudd
  • Åpne problemer og forskningsmuligheter
  • Forberedelse for en forskningskarriere innen generativ AI

Hovedprosjekt

  • Identifisering av et problem som er egnet for generativ AI
  • Avansert datapreparering og augmentering
  • Modellvalg, trening og finjustering
  • Vurdering, iterasjon og presentasjon av prosjektet

Oppsummering 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 neuronnettverk og dyplærings

Målgruppe

  • Dataforskere
  • Maskinlæringsingeniører
  • AI-praktikere
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories