課程簡介

生成式AI簡介

  • 什麼是生成式AI?
  • 生成式AI的歷史與演變
  • 關鍵概念與術語
  • 生成式AI的應用與潛力概述

機器學習基礎

  • 機器學習簡介
  • 機器學習的類型:監督學習、無監督學習與強化學習
  • 基本算法與模型
  • 數據預處理與特徵工程

深度學習基礎

  • 神經網絡與深度學習
  • 激活函數、損失函數與優化器
  • 過擬合、欠擬合與正則化技術
  • TensorFlow與PyTorch簡介

生成模型概述

  • 生成模型的類型
  • 判別模型與生成模型的區別
  • 生成模型的應用場景

變分自編碼器(VAEs)

  • 理解自編碼器
  • VAEs的架構
  • 潛在空間及其重要性
  • 實踐項目:構建一個簡單的VAE

生成對抗網絡(GANs)

  • GANs簡介
  • GANs的架構:生成器與判別器
  • 訓練GANs及其挑戰
  • 實踐項目:創建一個基礎的GAN

高級生成模型

  • Transformer模型簡介
  • GPT(生成預訓練Transformer)模型概述
  • GPT在文本生成中的應用
  • 實踐項目:使用預訓練的GPT模型進行文本生成

倫理與影響

  • 生成式AI的倫理考量
  • AI模型中的偏見與公平性
  • 未來影響與負責任的AI

生成式AI的行業應用

  • 生成式AI在藝術與創意中的應用
  • 在商業與營銷中的應用
  • 生成式AI在科學與研究中的應用

畢業項目

  • 生成式AI項目的構思與提案
  • 數據集的收集與預處理
  • 模型選擇與訓練
  • 結果評估與展示

總結與下一步

最低要求

  • 瞭解Python中的基本編程概念
  • 具備基礎數學概念的經驗,尤其是概率和線性代數

受衆

  • 開發者
 14 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類