Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Révision des Generative AI principes de base
- Récapitulation rapide des concepts Generative AI
- Applications avancées et études de cas
Plongée dans les réseaux adversoriels génératifs (GAN)
- Étude approfondie des architectures GAN
- Techniques pour améliorer la formation des GAN
- Les GAN conditionnels et leurs applications
- Projet pratique : Conception d'un GAN complexe
Autoencodeurs variationnels avancés (VAE)
- Exploration des limites des VAE
- Représentations démêlées dans les VAE
- Bêta-VAEs et leur signification
- Projet pratique : Construction d'un VAE avancé
Transformateurs et modèles génératifs
- Comprendre l'architecture des transformateurs
- Transformateurs génératifs pré-entraînés (GPT) et BERT pour les tâches génératives
- Stratégies de réglage fin pour les modèles génératifs
- Projet pratique : Mise au point d'un modèle GPT pour un domaine spécifique
Modèles de diffusion
- Introduction aux modèles de diffusion
- Entraînement des modèles de diffusion
- Applications à la génération d'images et de sons
- Projet pratique : Implémentation d'un modèle de diffusion
Reinforcement Learning dans Generative AI
- Les bases de l'apprentissage par renforcement
- Intégration de l'apprentissage par renforcement dans les modèles génératifs
- Applications dans la conception de jeux et la génération de contenu procédural
- Projet pratique : Création de contenu avec l'apprentissage par renforcement
Sujets avancés en matière d'éthique et de partialité
- Deepfakes et médias synthétiques
- Détection et atténuation des biais dans les modèles génératifs
- Considérations juridiques et éthiques
Applications sectorielles
- Generative AI dans les soins de santé
- Industries créatives et divertissement
- [dans la recherche scientifique
Tendances de la recherche en Generative AI
- Dernières avancées et percées
- Problèmes en suspens et possibilités de recherche
- Se préparer à une carrière de chercheur en Generative AI
Le projet Capstone
- Identification d'un problème adapté à Generative AI
- Préparation et augmentation avancées des ensembles de données
- Sélection, formation et mise au point de modèles
- Évaluation, itération et présentation du projet
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts et algorithmes fondamentaux de l'apprentissage automatique.
- Expérience de la programmation Python et utilisation de base de TensorFlow ou PyTorch
- Familiarité avec les principes des réseaux neuronaux et de l'apprentissage profond.
Audience
- Scientifiques des données
- Ingénieurs en apprentissage automatique
- Praticiens de l'IA
21 heures