感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
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