Schulungsübersicht

Einführung

  • Was ist generatives KI?
  • Generatives KI im Vergleich zu anderen Arten von KI
  • Überblick über die wichtigsten Techniken und Modelle in der generativen KI
  • Anwendungen und Einsatzmöglichkeiten der generativen KI
  • Herausforderungen und Grenzen der generativen KI

Erstellen von Bildern mit generativer KI

  • Generieren von Bildern aus Textbeschreibungen
  • Verwendung von GANs zur Erstellung realistischer und vielfältiger Bilder
  • Verwendung von VAEs zur Erstellung von Bildern mit latenter Variablen
  • Anwenden von Stiltransfer auf Bilder

Texterstellung mit generativer KI

  • Generieren von Text aus Textanregungen
  • Verwendung von transformer-basierten Modellen zur Erstellung kontextreichen und kohärenten Texte
  • Verwendung von Textzusammenfassung, um kurze Zusammenfassungen langer Texte zu erstellen
  • Verwendung von Textumformulierung, um verschiedene Ausdrucksweisen gleicher Bedeutungen zu schaffen

Erstellen von Audio mit generativer KI

  • Generieren von Sprache aus Text
  • Generieren von Text aus Sprache
  • Generieren von Musik aus Text oder Audio
  • Erstellen von Sprachausgabe mit einer bestimmten Stimme

Erstellen anderer Inhalte mit generativer KI

  • Generieren von Code aus natürlicher Sprache
  • Generieren von Produktentwürfen aus Text
  • Erstellen von Video aus Text oder Bildern
  • Generieren von 3D-Modellen aus Text oder Bildern

Bewertung der generativen KI

  • Beurteilen der Qualität und Vielfalt des Inhalts in der generativen KI
  • Verwendung von Metriken wie Inception-Score, Fréchet-Inception-Distanz und BLEU-Score
  • Nutzung von menschlicher Bewertung durch Crowdsourcing und Umfragen
  • Anwenden von adversarialen Bewertungsverfahren wie Turing-Tests und Diskriminatoren

Verständnis der ethischen und sozialen Implikationen der generativen KI

  • Gewährleistung von Gerechtigkeit und Rechenschaftspflicht
  • Vermeidung von Missbrauch und Mißbrauch
  • Achtung der Rechte und Privatsphäre von Inhaltsautoren und Nutzern
  • Förderung von Kreativität und Zusammenarbeit zwischen Mensch und KI

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Ein Verständnis grundlegender AI-Konzepte und -Terminologie
  • Erfahrung mit Python-Programmierung und Datenanalyse
  • Kenntnisse in Deep-Learning-Frameworks wie TensorFlow oder PyTorch

Zielgruppe

  • Data Scientists
  • AI-Entwickler
  • AI-Enthusiasten
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien