聯繫我們

課程簡介

生成式 AI 簡介

  • 什麼是生成式 AI?
  • 生成式 AI 的歷史與演進
  • 關鍵概念和術語
  • 生成式 AI 的應用及潛力概述

機器學習基礎

  • 機器學習簡介
  • 機器學習類型:監督式學習、無監督式學習和強化學習
  • 基本算法和模型
  • 數據預處理和特徵工程

深度學習入門

  • 神經網絡與深度學習
  • 激活函數、損失函數和優化器
  • 過擬合、欠擬合和正則化技術
  • TensorFlow 和 PyTorch 簡介

生成模型概覽

  • 生成模型的類型
  • 判别模型與生成模型的差異
  • 生成模型的用例

變分自編碼器(VAEs)

  • 理解自編碼器
  • VAE 的架構
  • 潛空間及其重要性
  • 實踐項目:構建簡單 VAE

生成對抗網絡(GANs)

  • GAN 簡介
  • GAN 的架構:生成器和判别器
  • 訓練 GAN 及挑戰
  • 實踐項目:創建基礎 GAN

高級生成模型

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

倫理與影響

  • 生成式 AI 的倫理考量
  • AI 模型的偏見和公平性
  • 未來影響和負責任的 AI

生成式 AI 的行業應用

  • 藝術和創意領域的生成式 AI
  • 商業和營銷中的應用
  • 科學和研究中的生成式 AI

期末專案

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

總結與下一步

最低要求

  • 具備 Python 編程的基本概念知識。
  • 擁有基本數學概念的經驗,特別是概率和線性代數。

受眾

  • 開發人員
 14 小時

客戶評論 (2)

課程分類