Kontakt aufnehmen

Schulungsübersicht

Einführung in die generative KI

  • Was ist generative KI?
  • Geschichte und Entwicklung der generativen KI
  • Wichtige Begriffe und Konzepte
  • Übersicht zu Anwendungsmöglichkeiten sowie Potenzialen der generativen KI

Grundlagen des maschinellen Lernens

  • Einführung in das maschinelle Lernen
  • Arten des maschinellen Lernens: überwachtes, unüberwachtes sowie verstärkendes Lernen
  • Grundlegende Algorithmen und Modelle
  • Datenaufbereitung sowie Merkmalsextraktion

Grundlagen des Deep Learning

  • Neuronale Netze und Deep Learning
  • Aktivierungsfunktionen, Verlustfunktionen sowie Optimierer
  • Überanpassung, Unteranpassung sowie Regularisierungstechniken
  • Einführung in TensorFlow und PyTorch

Überblick über generative Modelle

  • Arten von generativen Modellen
  • Unterschiede zwischen diskriminativen und generativen Modellen
  • Anwendungsbereiche generativer Modelle

Variablen Autoencoder (VAEs)

  • Grundverständnis von Autoencodern
  • Architektur von VAEs
  • Die Bedeutung des latenten Raums
  • Praktisches Projekt: Erstellung eines einfachen VAE

Generative Gegennetzwerke (GANs)

  • Einführung in GANs
  • Architektur von GANs: Generator und Diskriminator
  • Training von GANs sowie typische Herausforderungen
  • Praktisches Projekt: Entwicklung eines einfachen GAN

Fortgeschrittene generative Modelle

  • Einführung in Transformer-Modelle
  • Überblick über GPT-Modelle (Generative Pretrained Transformers)
  • Einsatzmöglichkeiten von GPT bei der Texterzeugung
  • Praktisches Projekt: Texterstellung mithilfe eines vorgefertigten GPT-Modells

Ethik und gesellschaftliche Auswirkungen

  • Ethische Überlegungen bei der Entwicklung generativer KI
  • Verzerrungen sowie Gerechtigkeitsfragen in KI-Modellen
  • Zukünftige Perspektiven und verantwortungsvolle KI-Nutzung

Industrielle Anwendungen der generativen KI

  • Einsatzmöglichkeiten in Kunst und kreativem Schaffen
  • Nutzung im Geschäfts- sowie Marketingbereich
  • Anwendungen in Wissenschaft und Forschung

Abschlussprojekt

  • Ideenfindung sowie Konzeption eines Projekts zur generativen KI
  • Sammlung und Aufbereitung von Datensätzen
  • Modellauswahl und -training
  • Ergebnisauswertung sowie Präsentation

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse in Programmierung mit Python
  • Verständnis grundlegender mathematischer Konzepte, insbesondere der Wahrscheinlichkeitsrechnung und Linearen Algebra

Zielgruppe

  • Entwickler
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien