Schulungsübersicht
Einführung
- Was ist generatives KI?
- Generatives KI im Vergleich zu anderen Arten von KI
- Überblick über die wichtigsten Techniken und Modelle in der generativen KI
- Anwendungen und Einsatzmöglichkeiten der generativen KI
- Herausforderungen und Grenzen der generativen KI
Erstellen von Bildern mit generativer KI
- Generieren von Bildern aus Textbeschreibungen
- Verwendung von GANs zur Erstellung realistischer und vielfältiger Bilder
- Verwendung von VAEs zur Erstellung von Bildern mit latenter Variablen
- Anwenden von Stiltransfer auf Bilder
Texterstellung mit generativer KI
- Generieren von Text aus Textanregungen
- Verwendung von transformer-basierten Modellen zur Erstellung kontextreichen und kohärenten Texte
- Verwendung von Textzusammenfassung, um kurze Zusammenfassungen langer Texte zu erstellen
- Verwendung von Textumformulierung, um verschiedene Ausdrucksweisen gleicher Bedeutungen zu schaffen
Erstellen von Audio mit generativer KI
- Generieren von Sprache aus Text
- Generieren von Text aus Sprache
- Generieren von Musik aus Text oder Audio
- Erstellen von Sprachausgabe mit einer bestimmten Stimme
Erstellen anderer Inhalte mit generativer KI
- Generieren von Code aus natürlicher Sprache
- Generieren von Produktentwürfen aus Text
- Erstellen von Video aus Text oder Bildern
- Generieren von 3D-Modellen aus Text oder Bildern
Bewertung der generativen KI
- Beurteilen der Qualität und Vielfalt des Inhalts in der generativen KI
- Verwendung von Metriken wie Inception-Score, Fréchet-Inception-Distanz und BLEU-Score
- Nutzung von menschlicher Bewertung durch Crowdsourcing und Umfragen
- Anwenden von adversarialen Bewertungsverfahren wie Turing-Tests und Diskriminatoren
Verständnis der ethischen und sozialen Implikationen der generativen KI
- Gewährleistung von Gerechtigkeit und Rechenschaftspflicht
- Vermeidung von Missbrauch und Mißbrauch
- Achtung der Rechte und Privatsphäre von Inhaltsautoren und Nutzern
- Förderung von Kreativität und Zusammenarbeit zwischen Mensch und KI
Zusammenfassung und weitere Schritte
Voraussetzungen
- Ein Verständnis grundlegender AI-Konzepte und -Terminologie
- Erfahrung mit Python-Programmierung und Datenanalyse
- Kenntnisse in Deep-Learning-Frameworks wie TensorFlow oder PyTorch
Zielgruppe
- Data Scientists
- AI-Entwickler
- AI-Enthusiasten
Erfahrungsberichte (3)
Hervorragendes Wissen des Trainers
Pawel Dykowski - LKQ Polska Sp. z o. o.
Kurs - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Maschinelle Übersetzung
1. Strukturierte Aufforderungen und zugehörige Techniken, um dies zu erreichen 2. Arbeit mit praktischen Beispielen - Aufforderungen sind bereits gut vorbereitet 3. Gelernt, wie man einen AI-Agenten erstellt
Cosmina Naznean - Curs Public
Kurs - Boost Your Productivity with Microsoft Copilot 365
Maschinelle Übersetzung
Dozenten können alle Fragen beantworten und Anfragen entgegennehmen.
Dewi Anggryni - PT Dentsu International Indonesia
Kurs - Copilot for Finance and Accounting Professionals
Maschinelle Übersetzung