Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Révision des bases de l'IA générative
- Récapitulatif rapide des concepts liés à l'IA générative
- Applications avancées et études de cas
Plongée approfondie dans les Réseaux Adversariaux Génératifs (GAN)
- Étude détaillée des architectures GAN
- Techniques pour améliorer l'entraînement des GAN
- GAN conditionnels et leurs applications
- Projet pratique : Concevoir un GAN complexe
VAE avancés (Variational Autoencoders)
- Exploration des limites des VAE
- Représentations décorrélées dans les VAE
- Beta-VAE et leur importance
- Projet pratique : Créer un VAE avancé
Transformers et Modèles Génératifs
- Compréhension de l'architecture Transformer
- Pré-entraînement des générateurs avec Transformers (GPT) et BERT pour les tâches génératives
- Stratégies d'affinement pour les modèles génératifs
- Projet pratique : Affiner un modèle GPT pour un domaine spécifique
Modèles de diffusion
- Introduction aux modèles de diffusion
- Entraînement des modèles de diffusion
- Applications dans la génération d'images et d'audio
- Projet pratique : Implémentation d'un modèle de diffusion
Apprentissage par renforcement en IA générative
- Bases de l'apprentissage par renforcement
- Intégration de l'apprentissage par renforcement avec les modèles génératifs
- Applications dans la conception de jeux et la génération procédurale de contenu
- Projet pratique : Créer du contenu à l'aide de l'apprentissage par renforcement
Thèmes avancés en éthique et biais
- Fake news profondes (deepfakes) et médias synthétiques
- Détection et atténuation du biais dans les modèles génératifs
- Considérations juridiques et éthiques
Applications spécifiques à l'industrie
- IA générative dans les soins de santé
- Industries créatives et divertissement
- IA générative dans la recherche scientifique
Tendances de recherche en IA générative
- Derniers progrès et percées
- Problèmes ouverts et opportunités de recherche
- Préparation à une carrière de recherche en IA générative
Projet de synthèse
- Identifier un problème approprié pour l'IA générative
- Préparation et augmentation avancée des ensembles de données
- Sélection, entraînement et affinement du modèle
- Évaluation, itération et présentation du projet
Récapitulation et prochains pas
Pré requis
- Une compréhension des concepts et algorithmes de base en apprentissage automatique
- Expérience avec la programmation Python et une utilisation de base de TensorFlow ou PyTorch
- Familiarité avec les principes des réseaux neuronaux et de l'apprentissage profond
Public cible
- Scientifiques des données
- Ingénieurs en apprentissage automatique
- Professionnels de l'IA
21 Heures