課程簡介

回顧 Generative AI 基礎知識

  • 快速回顧 Generative AI 個概念
  • 高級應用和案例研究

深入瞭解產生對抗網路 (GAN)

  • GAN架構的深入研究
  • 改進GAN培訓的技術
  • 條件廣域網及其應用
  • 動手項目:設計複雜的GAN

進階變分自動編碼器 (VAE)

  • 探索VAE的局限性
  • VAE中的解糾纏表示
  • Beta-VAEs及其意義
  • 實踐專案:構建先進的 VAE

變壓器和生成模型

  • 瞭解 Transformer 架構
  • 用於生成任務的生成式預訓練轉換器 (GPT) 和 BERT
  • 生成模型的微調策略
  • 動手專案:針對特定領域微調 GPT 模型

擴散模型

  • 擴散模型簡介
  • 訓練擴散模型
  • 在圖像和音訊生成中的應用
  • 實踐項目:實現擴散模型

Reinforcement Learning 在 Generative AI

  • 強化學習基礎知識
  • 將強化學習與生成模型集成
  • 在遊戲設計和程式內容生成中的應用
  • 實踐專案:使用強化學習創建內容

倫理與偏見高級專題

  • 深度偽造和合成媒體
  • 檢測和減輕生成模型中的偏差
  • 法律和道德考量

行業特定應用

  • Generative AI 在醫療保健領域
  • 創意產業和娛樂業
  • Generative AI 在科學研究中

Generative AI的研究趨勢

  • 最新進展和突破
  • 開放性問題和研究機會
  • 為研究生涯做準備 Generative AI

頂點專案

  • 確定適合 Generative AI 的問題
  • 高級數據集準備和增強
  • 模型選擇、訓練和微調
  • 項目的評估、反覆運算和演示

摘要和後續步驟

最低要求

  • 瞭解基本的機器學習概念和演算法
  • 具有 Python 程式設計和 TensorFlow 或 PyTorch 的基本用法經驗
  • 熟悉神經網路和深度學習的原理

觀眾

  • 數據科學家
  • 機器學習工程師
  • 人工智慧從業者
 21 時間:

人數



每位參與者的報價

相關課程

LangChain: Building AI-Powered Applications

14 時間:

LangChain Fundamentals

14 時間:

Small Language Models (SLMs): Applications and Innovations

14 時間:

Small Language Models (SLMs) for Domain-Specific Applications

28 時間:

Small Language Models (SLMs): Developing Energy-Efficient AI

21 時間:

Small Language Models (SLMs) for Human-AI Interactions

14 時間:

Small Language Models (SLMs) for On-Device AI

21 時間:

Introduction to Google Gemini AI

14 時間:

Google Gemini AI for Content Creation

14 時間:

Google Gemini AI for Transformative Customer Service

14 時間:

Google Gemini AI for Data Analysis

21 時間:

Generative AI with Large Language Models (LLMs)

21 時間:

LlamaIndex: Enhancing Contextual AI

14 時間:

LlamaIndex: Developing LLM Powered Applications

42 時間:

Introduction to Large Language Models (LLMs)

14 時間:

課程分類

1