Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Was ist generative KI?
  • Generative KI im Vergleich zu anderen Arten von KI
  • Überblick über die wichtigsten Techniken und Modelle der generativen KI
  • Anwendungsbereiche und Praxisbeispiele für generative KI
  • Herausforderungen sowie Grenzen generativer KI

Erstellung von Bildern mit generativer KI

  • Generierung von Bildern aus Textbeschreibungen
  • Einsatz von GANs zur Erzeugung realistischer und vielfältiger Bilder
  • Nutzung von VAEs zur Bildgenerierung mithilfe latenter Variablen
  • Stilübertragung, um künstlerische Stile auf Bilder anzuwenden

Erstellung von Texten mit generativer KI

  • Generierung von Texten anhand von Eingabetexten
  • Verwendung transformerbasierter Modelle zur Erzeugung zusammenhängender und kontextbezogener Texte
  • Textzusammenfassung: Erstellung kurzer Zusammenfassungen aus längeren Texten
  • Paraphrasierung: Bildung unterschiedlicher Formulierungen für denselben Inhalt

Erstellung von Audio mit generativer KI

  • Sprachgenerierung aus Texten
  • Transkription von gesprochener Sprache in Textform
  • Musikgenerierung anhand von Textvorgaben oder Audiodaten
  • Erstellung von Stimmen mit spezifischen Merkmalen

Erstellung weiterer Inhalte mithilfe generativer KI

  • Codegenerierung aus natürlicher Sprache
  • Entwurf von Produktskizzen anhand von Textbeschreibungen
  • Videogenerierung aus Texten oder Bildern
  • Erstellung von 3D-Modellen basierend auf Texten oder Bilddaten

Bewertung generativer KI

  • Qualitäts- und Vielfaltbeurteilung der durch generative KI erzeugten Inhalte
  • Einsatz von Metriken wie dem Inception Score, der Fréchet Inception Distance sowie dem BLEU-Score
  • Bewertung durch menschliche Tester mittels Crowdsourcing und Umfragen
  • Adversariale Bewertungsmethoden wie Turing-Tests oder Diskriminatoren

Ethische und gesellschaftliche Aspekte generativer KI

  • Gewährleistung von Fairness sowie Verantwortungsbewusstsein
  • Vorbeugung missbräuchlicher Nutzung generativer KI
  • Achtung der Rechte und Privatsphäre von Inhaltsschöpfern sowie -nutzern
  • Förderung der kreativen Zusammenarbeit zwischen Menschen und KI

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse in KI-Konzepten und Fachbegrifflichkeit
  • Erfahrung mit der Python-Programmierung sowie Datenanalyse
  • Vertrautheit mit Deep-Learning-Frameworks wie TensorFlow oder PyTorch

Zielgruppe

  • Datenwissenschaftler
  • KI-Entwickler
  • Interessierte an KI-Themen
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien