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