课程大纲

简介

  • 什么是生成式AI?
  • 生成式AI与其他类型AI的区别。
  • 生成式AI的主要技术和模型概述。
  • 生成式AI的应用和用例。
  • 生成式AI的挑战和限制。

使用生成式AI创建图像

  • 从文本描述生成图像。
  • 使用GAN生成逼真且多样化的图像。
  • 使用VAE生成具有潜在变量的图像。
  • 使用风格迁移为图像应用艺术风格。

使用生成式AI创建文本

  • 从文本提示生成文本。
  • 使用基于Transformer的模型生成具有上下文和连贯性的文本。
  • 使用文本摘要生成长文本的简洁摘要。
  • 使用文本改写生成表达相同意义的不同方式。

使用生成式AI创建音频

  • 从文本生成语音。
  • 从语音生成文本。
  • 从文本或音频生成音乐。
  • 生成具有特定声音的语音。

使用生成式AI创建其他内容

  • 从自然语言生成代码。
  • 从文本生成产品草图。
  • 从文本或图像生成视频。
  • 从文本或图像生成3D模型。

评估生成式AI

  • 评估生成式AI生成内容的质量和多样性。
  • 使用指标如inception score、Fréchet inception distance和BLEU score。
  • 通过众包和调查进行人工评估。
  • 应用对抗性评估方法,如图灵测试和判别器。

理解生成式AI的伦理和社会影响

  • 确保公平性和问责制。
  • 避免误用和滥用。
  • 尊重内容创作者和消费者的权利与隐私。
  • 促进人类与AI的创造力和协作。

总结与下一步

要求

  • 了解基本的AI概念和术语。
  • 具备Python编程和数据分析经验。
  • 熟悉深度学习框架,如TensorFlow或PyTorch。

受众

  • 数据科学家。
  • AI开发者。
  • AI爱好者。
 14 小时

客户评论 (1)

即将举行的公开课程

课程分类