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、无监督学习和强化学习。
  • 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(VAE)

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

生成对抗网络(GAN)

  • GAN简介。
  • GAN的架构:生成器与判别器。
  • 训练GAN及其挑战。
  • 实操项目:创建一个基本的GAN。

高级生成模型

  • Transformer模型简介。
  • GPT(生成式预训练Transformer)模型概述。
  • GPT在文本生成中的应用。
  • 实操项目: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

  • 具备Python基础编程概念的理解。
  • 具备基本数学概念的经验,尤其是概率和线性代数。

受众

  • 开发者。
 14 小时

客户评论 (1)

即将举行的公开课程

课程分类