Sadržaj kursa
Ponavljanje osnova generativne veštačke inteligencije
- Kratak pregled koncepta generativne AI
- Napredne primene i studije slučaja
Dubinska analiza Generativnih Adversarialnih Mreža (GAN-ova)
- Detaljna studija arhitekture GAN-ova
- Tehnike za poboljšanje treninga GAN-ova
- Kondicionisani GAN-ovi i njihove primene
- Praktičan projekat: Dizajniranje složenog GAN-a
Napredni Varijalni Auto-Encoderi (VAE-ovi)
- Istraživanje granica VAE-ova
- Disentangled predstave u VAE-ovima
- Beta-VAE-i i njihov značaj
- Praktičan projekat: Izgradnja naprednog VAE-a
Transformeri i generativni modeli
- Razumevanje arhitekture Transformera
- Generativni Pretrained Transformeri (GPT) i BERT za generativne zadatke
- Strategije fine-tuning-a za generativne modele
- Praktičan projekat: Fine-tuning GPT modela za specifično područje
Difuzijski modeli
- Uvod u difuzijske modele
- Trening difuzijskih modela
- Primene u generaciji slika i zvuka
- Praktičan projekat: Implementacija difuzijskog modela
Jačanje učenja u generativnoj veštačkoj inteligenciji
- Osnove jačanja učenja
- Integracija jačanja učenja sa generativnim modelima
- Primene u dizajnu igara i proceduralnoj generaciji sadržaja
- Praktičan projekat: Kreiranje sadržaja pomoću jačanja učenja
Napredne teme u etici i pristrasnosti
- Deepfake i sintetički mediji
- Detekcija i ublažavanje pristrasnosti u generativnim modelima
- Pravni i etički aspekti
Primene specifične za industriju
- Generativna AI u zdravstvu
- Kreativne industrije i zabava
- Generativna AI u naučnom istraživanju
Istraživački trendovi u generativnoj veštačkoj inteligenciji
- Najnovija napretka i otkrića
- Otvoreni problemi i istraživačke mogućnosti
- Priprema za istraživačku karijeru u generativnoj AI
Završni projekat
- Identifikacija problema pogodnog za generativnu AI
- Napredna priprema i augmentacija skupova podataka
- Izbor modela, trening i fine-tuning
- Evaluacija, iteracije i prezentacija projekta
Zaključak i dalji koraci
Uslovi
- Razumevanje osnovnih koncepta i algoritama mašinskog učenja
- Iskustvo u programiranju na Pythonu i osnovna upotreba TensorFlow-a ili PyTorch-a
- Znanje principa neuronskih mreža i dubokog učenja
Ciljna publika
- Naučnici za podatke
- Inženjeri mašinskog učenja
- Praktikanti veštačke inteligencije
Iskustva korisnika (4)
Understanding of AI and LLM. How it works and ehat the watchouts and opportunities are!
Henk Jan Beltman - genuine business
Kurs - Advanced AI Concepts with Perplexity
Obimnost u vezi sa pozadinom; kako da se sastavi uputstvo.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Mašinski prevedeno
saveti i preporučeni zapretni promptovi koje možemo izvući iz ove obuke
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kurs - InVideo AI: Creating Engaging Short-Form Videos
Mašinski prevedeno
upotreba odgovarajućih i efikasnih uputa
Marses Pacaldo
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Mašinski prevedeno