课程大纲

生成式AI简介

  • 什么是生成式AI?
  • 生成式AI的历史与演变
  • 关键概念与术语
  • 生成式AI的应用与潜力概述

机器学习基础

  • 机器学习简介
  • 机器学习的类型:监督学习、无监督学习与强化学习
  • 基本算法与模型
  • 数据预处理与特征工程

深度学习基础

  • 神经网络与深度学习
  • 激活函数、损失函数与优化器
  • 过拟合、欠拟合与正则化技术
  • TensorFlow与PyTorch简介

生成模型概述

  • 生成模型的类型
  • 判别模型与生成模型的区别
  • 生成模型的应用场景

变分自编码器(VAEs)

  • 理解自编码器
  • VAEs的架构
  • 潜在空间及其重要性
  • 实践项目:构建一个简单的VAE

生成对抗网络(GANs)

  • GANs简介
  • GANs的架构:生成器与判别器
  • 训练GANs及其挑战
  • 实践项目:创建一个基础的GAN

高级生成模型

  • Transformer模型简介
  • GPT(生成预训练Transformer)模型概述
  • GPT在文本生成中的应用
  • 实践项目:使用预训练的GPT模型进行文本生成

伦理与影响

  • 生成式AI的伦理考量
  • AI模型中的偏见与公平性
  • 未来影响与负责任的AI

生成式AI的行业应用

  • 生成式AI在艺术与创意中的应用
  • 在商业与营销中的应用
  • 生成式AI在科学与研究中的应用

毕业项目

  • 生成式AI项目的构思与提案
  • 数据集的收集与预处理
  • 模型选择与训练
  • 结果评估与展示

总结与下一步

要求

  • 了解Python中的基本编程概念
  • 具备基础数学概念的经验,尤其是概率和线性代数

受众

  • 开发者
 14 小时

即将举行的公开课程

课程分类