课程大纲

介绍

  • 什么是生成式人工智能?
  • 生成式 AI 与其他类型的 AI
  • 生成式人工智能的主要技术和模型概述
  • 生成式 AI 的应用和用例
  • 生成式人工智能的挑战和局限性

使用生成式 AI 创建图像

  • 从文本描述生成图像
  • 使用 GAN 创建逼真和多样化的图像
  • 使用 VAE 创建具有潜在变量的图像
  • 使用样式传递将艺术样式应用于图像

使用生成式 AI 创建文本

  • 从文本提示生成文本
  • 使用基于 transformer 的模型创建具有上下文和连贯性的文本
  • 使用文本摘要创建长文本的简明摘要
  • 使用文本释义来创造表达相同含义的不同方式

使用生成式 AI 创建音频

  • 从文本生成语音
  • 从语音生成文本
  • 从文本或音频生成音乐
  • 使用特定语音生成语音

使用生成式 AI 创建其他内容

  • 从自然语言生成代码
  • 从文本生成产品草图
  • 从文本或图像生成视频
  • 从文本或图像生成 3D 模型

评估生成式 AI

  • 评估生成式 AI 中的内容质量和多样性
  • 使用初始分数、Fréchet 初始距离和 BLEU 分数等指标
  • 通过众包和调查利用人工评估
  • 应用对抗性评估方法,如图灵测试和判别器

了解生成式人工智能的伦理和社会影响

  • 确保公平和问责制
  • 避免误用和滥用
  • 尊重内容创作者和消费者的权利和隐私
  • 促进人类和人工智能的创造力和协作

摘要和后续步骤

要求

  • 了解基本的 AI 概念和术语
  • 具有 Python 编程和数据分析经验
  • 熟悉深度学习框架,如 TensorFlow 或 PyTorch

观众

  • 数据科学家
  • AI 开发人员
  • 人工智能爱好者
 14 小时

即将举行的公开课程

课程分类