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
生成式AI基础知识回顾
- 生成式AI概念的快速回顾
- 高级应用与案例研究
深入探讨生成对抗网络(GANs)
- GAN架构的深入研究
- 改进GAN训练的技术
- 条件GAN及其应用
- 实践项目:设计一个复杂的GAN
高级变分自编码器(VAEs)
- 探索VAE的极限
- VAE中的解耦表示
- Beta-VAE及其重要性
- 实践项目:构建一个高级VAE
变压器与生成模型
- 理解Transformer架构
- 生成式预训练变压器(GPT)和BERT在生成任务中的应用
- 生成模型的微调策略
- 实践项目:为特定领域微调GPT模型
扩散模型
- 扩散模型简介
- 训练扩散模型
- 在图像和音频生成中的应用
- 实践项目:实现一个扩散模型
生成式AI中的强化学习
- 强化学习基础
- 将强化学习与生成模型结合
- 在游戏设计和程序化内容生成中的应用
- 实践项目:使用强化学习创建内容
伦理与偏见的高级话题
- 深度伪造与合成媒体
- 检测和减轻生成模型中的偏见
- 法律与伦理考量
行业特定应用
- 生成式AI在医疗保健中的应用
- 创意产业与娱乐
- 生成式AI在科学研究中的应用
生成式AI的研究趋势
- 最新进展与突破
- 开放问题与研究机会
- 准备从事生成式AI的研究职业
毕业项目
- 识别适合生成式AI解决的问题
- 高级数据集准备与增强
- 模型选择、训练与微调
- 项目评估、迭代与展示
总结与下一步
要求
- 了解机器学习的基本概念和算法
- 具备Python编程经验,以及TensorFlow或PyTorch的基本使用能力
- 熟悉神经网络和深度学习的原理
受众
- 数据科学家
- 机器学习工程师
- AI从业者
21 小时