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

即将举行的公开课程

课程分类