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
Erfahrungsberichte (3)
Umfassende Informationen zum Hintergrund; wie man eine Prompt-Anfrage formuliert.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maschinelle Übersetzung
die Tipps und empfohlenen Prompts, die wir aus diesem Training mitnehmen können
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kurs - InVideo AI: Creating Engaging Short-Form Videos
Maschinelle Übersetzung
Einsatz von angemessenen und wirksamen Prompts
Marses Pacaldo
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Maschinelle Übersetzung