课程大纲

回顾 Generative AI 基础知识

  • 快速回顾 Generative AI 个概念
  • 高级应用和案例研究

深入了解生成对抗网络 (GAN)

  • GAN架构的深入研究
  • 改进GAN培训的技术
  • 条件广域网及其应用
  • 动手项目:设计复杂的GAN

高级变分自动编码器 (VAE)

  • 探索VAE的局限性
  • VAE中的解纠缠表示
  • Beta-VAEs及其意义
  • 实践项目:构建先进的 VAE

变压器和生成模型

  • 了解 Transformer 架构
  • 用于生成任务的生成式预训练转换器 (GPT) 和 BERT
  • 生成模型的微调策略
  • 动手项目:针对特定领域微调 GPT 模型

扩散模型

  • 扩散模型简介
  • 训练扩散模型
  • 在图像和音频生成中的应用
  • 实践项目:实现扩散模型

Reinforcement Learning 在 Generative AI

  • 强化学习基础知识
  • 将强化学习与生成模型集成
  • 在游戏设计和程序内容生成中的应用
  • 实践项目:使用强化学习创建内容

伦理与偏见高级专题

  • 深度伪造和合成媒体
  • 检测和减轻生成模型中的偏差
  • 法律和道德考量

行业特定应用

  • Generative AI 在医疗保健领域
  • 创意产业和娱乐业
  • Generative AI 在科学研究中

Generative AI的研究趋势

  • 最新进展和突破
  • 开放性问题和研究机会
  • 为研究生涯做准备 Generative AI

顶点项目

  • 确定适合 Generative AI 的问题
  • 高级数据集准备和增强
  • 模型选择、训练和微调
  • 项目的评估、迭代和演示

摘要和后续步骤

要求

  • 了解基本的机器学习概念和算法
  • 具有 Python 编程和 TensorFlow 或 PyTorch 的基本用法经验
  • 熟悉神经网络和深度学习的原理

观众

  • 数据科学家
  • 机器学习工程师
  • 人工智能从业者
 21 小时

即将举行的公开课程

课程分类