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
  • Anwendungen und Anwendungsfälle der generativen KI
  • Herausforderungen und Grenzen der generativen KI

Bilder erstellen mit generativer KI

  • Generierung von Bildern aus Textbeschreibungen
  • Verwendung von GANs zur Erstellung realistischer und vielfältiger Bilder
  • Verwendung von VAEs zur Erstellung von Bildern mit latenten Variablen
  • Verwendung von Stilübertragungen zur Anwendung künstlerischer Stile auf Bilder

Erstellen von Text mit generativer KI

  • Generierung von Text aus Textaufforderungen
  • Verwendung von Transformator-basierten Modellen zur Erstellung von Text mit Kontext und Kohärenz
  • Verwendung von Textzusammenfassungen zur Erstellung prägnanter Zusammenfassungen von langen Texten
  • Paraphrasierung von Texten, um dieselbe Bedeutung auf unterschiedliche Weise auszudrücken

Audioerstellung mit generativer KI

  • Generierung von Sprache aus Text
  • Generierung von Text aus Sprache
  • Generierung von Musik aus Text oder Audio
  • Generierung von Sprache mit einer bestimmten Stimme

Erstellung anderer Inhalte mit generativer KI

  • Generierung von Code aus natürlicher Sprache
  • Generierung von Produktskizzen aus Text
  • Generierung von Videos aus Text oder Bildern
  • Generierung von 3D-Modellen aus Text oder Bildern

Bewertung von generativer KI

  • Bewertung der Qualität und Vielfalt von Inhalten in der generativen KI
  • Verwendung von Metriken wie Inception Score, Fréchet Inception Distance und BLEU Score
  • Nutzung menschlicher Bewertung durch Crowdsourcing und Umfragen
  • Anwendung gegenteiliger Bewertungsmethoden wie Turing-Tests und Diskriminatoren

Ethische und soziale Implikationen der generativen KI verstehen

  • Sicherstellung von Fairness und Verantwortlichkeit
  • Vermeidung von Missbrauch und Zweckentfremdung
  • Respektierung der Rechte und der Privatsphäre von Inhaltserstellern und Verbrauchern
  • Förderung der Kreativität und Zusammenarbeit von Menschen und KI

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis grundlegender KI-Konzepte und -Terminologie
  • Erfahrung mit Python Programmierung und Datenanalyse
  • Vertrautheit mit Deep-Learning-Frameworks wie TensorFlow oder PyTorch

Zielgruppe

  • Datenwissenschaftler
  • KI-Entwickler
  • KI-Enthusiasten
 14 Stunden

Teilnehmerzahl



Preis je Teilnehmer

Kombinierte Kurse

LangChain: Building AI-Powered Applications

14 Stunden

LangChain Fundamentals

14 Stunden

Introduction to Google Gemini AI

14 Stunden

Google Gemini AI for Content Creation

14 Stunden

Google Gemini AI for Transformative Customer Service

14 Stunden

Google Gemini AI for Data Analysis

21 Stunden

Generative AI with Large Language Models (LLMs)

21 Stunden

LlamaIndex: Enhancing Contextual AI

14 Stunden

LlamaIndex: Developing LLM Powered Applications

42 Stunden

Introduction to Large Language Models (LLMs)

14 Stunden

LLMs for Automated Customer Support

14 Stunden

LLMs for Business Intelligence

14 Stunden

LLMs for Content Generation

14 Stunden

LLMs for Code Generation and Documentation

14 Stunden

Advanced LLMs for NLP Tasks

21 Stunden

Verwandte Kategorien

1