План на курса

Въведение в Generative AI

  • Какво е Generative AI?
  • История и еволюция на Generative AI
  • Ключови понятия и терминология
  • Преглед на приложенията и потенциала на Generative AI

Основи на Machine Learning

  • Въведение в машинното обучение
  • Видове машинно обучение: контролирано, неконтролирано и Reinforcement Learning
  • Основни алгоритми и модели
  • Предварителна обработка на данни и проектиране на функции

Deep Learning Основи

  • Невронни мрежи и дълбоко обучение
  • Функции за активиране, функции за загуба и оптимизатори
  • Техники на свръхнапасване, недостатъчно напасване и регулиране
  • Въведение в TensorFlow и PyTorch

Общ преглед на генеративните модели

  • Видове генеративни модели
  • Разлики между дискриминативни и генеративни модели
  • Случаи на използване на генеративни модели

Вариационни автоенкодери (VAE)

  • Разбиране на автоенкодерите
  • Архитектурата на VAE
  • Латентното пространство и неговото значение
  • Практически проект: Изграждане на прост VAE

Генеративни състезателни мрежи (GANs)

  • Въведение в GAN
  • Архитектурата на GAN: Генератор и Дискриминатор
  • GAN за обучение и предизвикателства
  • Практически проект: Създаване на основен GAN

Разширени генеративни модели

  • Въведение в моделите Transformer
  • Преглед на GPT (Generative Pretrained Transformer) модели
  • Приложения на GPT при генериране на текст
  • Практически проект: Генериране на текст с предварително обучен GPT модел

Етика и последици

  • Етични съображения в Generative AI
  • Пристрастност и справедливост в моделите на AI
  • Бъдещи последици и отговорен AI

Промишлени приложения на Generative AI

  • Generative AI в изкуството и творчеството
  • Приложения в бизнеса и маркетинга
  • Generative AI в науката и изследванията

Проект Capstone

  • Идея и предложение за генериращ AI проект
  • Събиране на набор от данни и предварителна обработка
  • Избор и обучение на модел
  • Оценка и представяне на резултатите

Обобщение и следващи стъпки

Изисквания

  • Разбиране на основните концепции за програмиране в Python
  • Опит с основни математически концепции, особено вероятност и линейна алгебра

Публика

  • Разработчици
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории