Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Innføring i Generative AI
- Hva er Generative AI?
- Historien og utviklingen av Generative AI
- Nøkkelbegreper og terminologi
- Oversikt over anvendelser og potensial for Generative AI
Grunnleggende maskinlæring
- Innføring i maskinlæring
- Typer av maskinlæring: Overvåket, uovervåket, og forsterkningslæring
- Grunnleggende algoritmer og modeller
- Databearbeiding og egenskapsingeniørering
Grunnleggende dyplearning
- Neurale nettverk og dyplearning
- Aktiveringsfunksjoner, tapfunksjoner, og optimaliserere
- Overfitting, underfitting, og regulariseringsteknikker
- Innføring i TensorFlow og PyTorch
Oversikt over generative modeller
- Typer av generative modeller
- Forskjeller mellom diskriminative og generative modeller
- Bruksområder for generative modeller
Variational Autoencoders (VAEs)
- Forståelse av autoencodere
- Arkitekturen til VAEs
- Latent rom og dens betydning
- Hånds-på-prosjekt: Bygging av en enkel VAE
Generative Adversarial Networks (GANs)
- Innføring i GANs
- Arkitekturen til GANs: Generator og Diskriminator
- Trening av GANs og utfordringer
- Hånds-på-prosjekt: Skapelse av en grunnleggende GAN
Avanserte generative modeller
- Innføring i Transformer-modeller
- Oversikt over GPT (Generative Pretrained Transformer) modeller
- Anvendelser av GPT i tekstgenerering
- Hånds-på-prosjekt: Tekstgenerering med en forhåndstrent GPT-modell
Etikk og implikasjoner
- Etiske overveielser i Generative AI
- Forutsetninger og rettferdighet i AI-modeller
- Fremtidige implikasjoner og ansvarsfull AI
Bransjeanvendelser av Generative AI
- Generative AI i kunst og kreativitet
- Anvendelser i bedrifter og markedsføring
- Generative AI i vitenskap og forskning
Kapittelprosjekt
- Ideutvikling og forslag om et generativt AI-prosjekt
- Datainnsamling og -bearbeiding
- Modellvalg og -trening
- Evaluering og presentasjon av resultater
Oppsummering og neste steg
Krav
- Forståelse av grunnleggende programmeringskonsepter i Python
- Erfaring med grunnleggende matematiske konsepter, spesielt sannsynlighet og lineær algebra
Målgruppe
- Utviklere
14 timer