Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Überblick über die Generative AI-Grundlagen
- Kurze Wiederholung der Generative AI-Konzepte
- Fortgeschrittene Anwendungen und Fallstudien
Tiefes Eintauchen in Generative Adversarische Netze (GANs)
- Eingehende Untersuchung von GAN-Architekturen
- Techniken zur Verbesserung des GAN-Trainings
- Bedingte GANs und ihre Anwendungen
- Praktisches Projekt: Entwerfen eines komplexen GAN
Fortgeschrittene Variationale Autoencoder (VAEs)
- Erforschung der Grenzen von VAEs
- Entwirrte Darstellungen in VAEs
- Beta-VAEs und ihre Bedeutung
- Praktisches Projekt: Bau eines fortgeschrittenen VAEs
Transformatoren und generative Modelle
- Verstehen der Transformator-Architektur
- Generative Pretrained Transformers (GPT) und BERT für generative Aufgaben
- Feinabstimmungsstrategien für generative Modelle
- Praktisches Projekt: Feinabstimmung eines GPT-Modells für einen bestimmten Bereich
Diffusionsmodelle
- Einführung in Diffusionsmodelle
- Training von Diffusionsmodellen
- Anwendungen in der Bild- und Audiogenerierung
- Praktisches Projekt: Implementierung eines Diffusionsmodells
Reinforcement Learning in Generative AI
- Grundlagen des Verstärkungslernens
- Integration von Verstärkungslernen mit generativen Modellen
- Anwendungen in Spieldesign und prozeduraler Inhaltsgenerierung
- Praktisches Projekt: Erstellen von Inhalten mit Reinforcement Learning
Fortgeschrittene Themen in Ethik und Voreingenommenheit
- Deepfakes und synthetische Medien
- Erkennung und Abschwächung von Verzerrungen in generativen Modellen
- Rechtliche und ethische Überlegungen
Industrie-spezifische Anwendungen
- Generative AI im Gesundheitswesen
- Kreativwirtschaft und Unterhaltung
- Generative AI in der wissenschaftlichen Forschung
Forschungstrends in Generative AI
- Neueste Fortschritte und Durchbrüche
- Offene Probleme und Forschungsmöglichkeiten
- Vorbereitung auf eine Forschungskarriere in Generative AI
Abschlussarbeit
- Identifizierung eines für Generative AI geeigneten Problems
- Fortgeschrittene Datensatzvorbereitung und -erweiterung
- Modellauswahl, Training und Feinabstimmung
- Bewertung, Iteration und Präsentation des Projekts
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der grundlegenden Konzepte und Algorithmen des maschinellen Lernens
- Erfahrung mit der Python-Programmierung und grundlegende Verwendung von TensorFlow oder PyTorch
- Vertrautheit mit den Prinzipien von neuronalen Netzen und Deep Learning
Zielgruppe
- Datenwissenschaftler
- Ingenieure für maschinelles Lernen
- KI-Praktiker
21 Stunden