Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung zu Generative AI
- Was ist Generative AI?
- Geschichte und Entwicklung von Generative AI
- Schlüsselkonzepte und Terminologie
- Überblick über Anwendungen und Potenzial von Generative AI
Grundlagen von Machine Learning
- Einführung in das maschinelle Lernen
- Arten des maschinellen Lernens: Überwachtes, unüberwachtes und Reinforcement Learning
- Grundlegende Algorithmen und Modelle
- Datenvorverarbeitung und Feature-Engineering
Deep Learning Grundlagen
- Neuronale Netze und Deep Learning
- Aktivierungsfunktionen, Verlustfunktionen und Optimierer
- Überanpassung, Unteranpassung und Regularisierungstechniken
- Einführung in TensorFlow und PyTorch
Generative Modelle - Überblick
- Arten von generativen Modellen
- Unterschiede zwischen diskriminativen und generativen Modellen
- Anwendungsfälle für generative Modelle
Variationale Autoencoder (VAEs)
- Verständnis von Autoencodern
- Die Architektur von VAEs
- Latenter Raum und seine Bedeutung
- Praktisches Projekt: Aufbau eines einfachen VAEs
Generative adversarische Netzwerke (GANs)
- Einführung in GANs
- Die Architektur von GANs: Generator und Diskriminator
- Training von GANs und Herausforderungen
- Praktisches Projekt: Erstellung eines grundlegenden GANs
Fortgeschrittene generative Modelle
- Einführung in Transformer-Modelle
- Überblick über GPT-Modelle (Generative Pretrained Transformer)
- Anwendungen von GPT in der Texterzeugung
- Praktisches Projekt: Texterzeugung mit einem vortrainierten GPT-Modell
Ethik und Implikationen
- Ethische Überlegungen in Generative AI
- Voreingenommenheit und Fairness in KI-Modellen
- Zukünftige Implikationen und verantwortungsvolle KI
Industrie Anwendungen von Generative AI
- Generative AI in Kunst und Kreativität
- Anwendungen in Wirtschaft und Marketing
- Generative AI in Wissenschaft und Forschung
Abschlussprojekt
- Idee und Vorschlag für ein generatives AI-Projekt
- Datensatzsammlung und Vorverarbeitung
- Modellauswahl und Training
- Auswertung und Präsentation der Ergebnisse
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis grundlegender Programmierkonzepte in Python
- Erfahrung mit grundlegenden mathematischen Konzepten, insbesondere mit Wahrscheinlichkeitsrechnung und linearer Algebra
Zielgruppe
- Entwickler
14 Stunden