聯繫我們

課程簡介

生成式AI基礎回顧

  • 快速回顧生成式AI概念
  • 高級應用與案例研究

深入探討生成對抗網絡(GANs)

  • 深入學習GAN架構
  • 改進GAN訓練的技術
  • 條件GAN及其應用
  • 動手項目:設計一個複雜的GAN

先進變分自編碼器(VAEs)

  • 探索VAEs的極限
  • VAEs中的解耦表示
  • Beta-VAEs及其重要性
  • 動手項目:構建先進的VAE

Transformer與生成模型

  • 理解Transformer架構
  • 用於生成任務的生成式預訓練Transformer(GPT)和BERT
  • 生成模型的微調策略
  • 動手項目:為特定領域微調GPT模型

擴散模型

  • 擴散模型介紹
  • 訓練擴散模型
  • 在圖像和音頻生成中的應用
  • 動手項目:實現一個擴散模型

強化學習在生成式AI中的應用

  • 強化學習基礎知識
  • 將強化學習整合到生成模型中
  • 在遊戲設計和程序內容生成中的應用
  • 動手項目:使用強化學習創建內容

倫理與偏見高級主題

  • 深度偽造(Deepfakes)與合成媒體
  • 檢測與減輕生成模型中的偏見
  • 法律與道德考量

行業特定應用

  • 醫療保健領域的生成式AI
  • 創意產業與娛樂業
  • 科學研究中的生成式AI

生成式AI的研究趨勢

  • 最新進展與突破
  • 開放問題與研究機會
  • 為投身生成式AI的研究職業做好準備

頂尖項目

  • 識別適合使用生成式AI解決的問題
  • 高級數據集準備與增強
  • 模型選擇、訓練與微調
  • 項目的評估、迭代與展示

總結與下一步

最低要求

  • 具備基礎機器學習概念和算法的理解
  • 具備Python編程經驗及TensorFlow或PyTorch的基本使用經驗
  • 熟悉神經網絡和深度學習原理

受眾

  • 數據科學家
  • 機器學習工程師
  • AI從業人員
 21 小時

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類