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
Erfahrungsberichte (4)
Begeisterung des Trainers
Anca Sana - Curs Public
Kurs - Boost Your Productivity with Microsoft Copilot 365
Maschinelle Übersetzung
Dozenten können alle Fragen beantworten und Anfragen entgegennehmen.
Dewi Anggryni - PT Dentsu International Indonesia
Kurs - Copilot for Finance and Accounting Professionals
Maschinelle Übersetzung
Die Durchgehen der verschiedenen Anwendungsfälle und Anwendungen von KI war hilfreich. Ich habe den Überblick über die verschiedenen KI-Agenten genossen.
Axel Schulz - CANARIE Inc
Kurs - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Maschinelle Übersetzung
Der Trainer hat umfangreiches Wissen und ausgezeichnete Lehrfähigkeiten und beantwortet jede Frage. Die gesamte Schulung war sehr interessant, und ich würde sie empfehlen.
Daria - LKQ Polska Sp. z o. o.
Kurs - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Maschinelle Übersetzung