課程簡介

生成式AI基礎知識回顧

  • 生成式AI概念的快速回顧
  • 高級應用與案例研究

深入探討生成對抗網絡(GANs)

  • GAN架構的深入研究
  • 改進GAN訓練的技術
  • 條件GAN及其應用
  • 實踐項目:設計一個複雜的GAN

高級變分自編碼器(VAEs)

  • 探索VAE的極限
  • VAE中的解耦表示
  • Beta-VAE及其重要性
  • 實踐項目:構建一個高級VAE

變壓器與生成模型

  • 理解Transformer架構
  • 生成式預訓練變壓器(GPT)和BERT在生成任務中的應用
  • 生成模型的微調策略
  • 實踐項目:爲特定領域微調GPT模型

擴散模型

  • 擴散模型簡介
  • 訓練擴散模型
  • 在圖像和音頻生成中的應用
  • 實踐項目:實現一個擴散模型

生成式AI中的強化學習

  • 強化學習基礎
  • 將強化學習與生成模型結合
  • 在遊戲設計和程序化內容生成中的應用
  • 實踐項目:使用強化學習創建內容

倫理與偏見的高級話題

  • 深度僞造與合成媒體
  • 檢測和減輕生成模型中的偏見
  • 法律與倫理考量

行業特定應用

  • 生成式AI在醫療保健中的應用
  • 創意產業與娛樂
  • 生成式AI在科學研究中的應用

生成式AI的研究趨勢

  • 最新進展與突破
  • 開放問題與研究機會
  • 準備從事生成式AI的研究職業

畢業項目

  • 識別適合生成式AI解決的問題
  • 高級數據集準備與增強
  • 模型選擇、訓練與微調
  • 項目評估、迭代與展示

總結與下一步

最低要求

  • 瞭解機器學習的基本概念和算法
  • 具備Python編程經驗,以及TensorFlow或PyTorch的基本使用能力
  • 熟悉神經網絡和深度學習的原理

受衆

  • 數據科學家
  • 機器學習工程師
  • AI從業者
 21 時間:

人數


每位參與者的報價

即將到來的課程

課程分類