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
  • 高級應用及案例研究

深度探討生成對抗網絡(GANs)

  • 深入研究GAN架構
  • GAN訓練改進技術
  • 條件GAN及其應用
  • 動手項目:設計複雜的GAN

高級變分自編碼器(VAEs)

  • 探索VAE的限制
  • VAE中的解耦表示
  • Beta-VAE及其意義
  • 動手項目:構建高級VAE

Transformer與生成模型

  • 理解Transformer架構
  • GPT和BERT在生成任務中的應用
  • 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

  • 擴散模型簡介
  • 訓練擴散模型
  • 圖像和音頻生成的應用
  • 動手項目:實現擴散模型

生成式AI中的強化學習

  • 強化學習基礎
  • 將強化學習與生成模型整合
  • 遊戲設計和程序化內容生成的應用
  • 動手項目:使用強化學習創建內容

倫理與偏見進階話題

  • 深度偽造與合成媒體
  • 檢測和減輕生成模型中的偏見
  • 法律與道德考量

行業特定應用

  • 醫療領域的生成式AI
  • 創意產業與娛樂
  • 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
  • 準備進入生成式AI的研究生涯

總項項目

  • 識別適合生成式AI的問題
  • 高級數據集準備與增強
  • 模型選擇、訓練與微調
  • 項目評估、迭代與展示

總結與後續步驟

最低要求

  • 掌握基本的機器學習概念和算法。
  • 具有Python編程經驗及TensorFlow或PyTorch的基本使用技能。
  • 熟悉神經網絡和深度學習的基礎原理。

受眾對象

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

客戶評論 (2)

課程分類