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

Teilnehmerzahl



Preis je Teilnehmer

Kombinierte Kurse

Verwandte Kategorien

1