课程大纲

介绍

  • 什么是生成式AI?
  • 生成式AI与其他类型AI的比较
  • 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的挑战和局限性

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
  • 使用风格迁移将艺术风格应用于图像

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含义的不同方式

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Inception Score、Fréchet Inception Distance和BLEU Score等指标
  • 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
  • 避免滥用和误用
  • 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

即将举行的公开课程

课程分类