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

Antall deltakere


Price per participant

Upcoming Courses

Related Categories