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
Überblick über die Grundlagen der generativen KI
- Kurze Wiederholung der Konzepte der generativen KI
- Erweiterte Anwendungen und Fallstudien
Tiefe Einblicke in Generative Adversarial Networks (GANs)
- Ausführliche Untersuchung von GAN-Architekturen
- Techniken zur Verbesserung des GAN-Trainings
- Bedingte GANs und ihre Anwendungen
- Praxisprojekt: Design eines komplexen GAN
Erweiterte Variational Autoencoders (VAEs)
- Untersuchung der Grenzen von VAEs
- Entkoppelte Darstellungen in VAEs
- Beta-VAEs und ihre Bedeutung
- Praxisprojekt: Aufbau eines erweiterten VAE
Transformer und Generative Modelle
- Verständnis der Transformer-Architektur
- Generative Pretrained Transformers (GPT) und BERT für generative Aufgaben
- Feinjustierungstaktiken für generative Modelle
- Praxisprojekt: Feinjustieren eines GPT-Modells für einen bestimmten Bereich
Diffusionsmodelle
- Einführung in Diffusionsmodelle
- Training von Diffusionsmodellen
- Anwendungen in der Bild- und Audiosynthese
- Praxisprojekt: Implementierung eines Diffusionsmodells
Maschinelles Lernen in der generativen KI
- Grundlagen des maschinellen Lernens
- Integration von maschinellen Lernalgorithmen mit generativen Modellen
- Anwendungen im Bereich Game Design und Prozedurales Content Generieren
- Praxisprojekt: Erstellen von Inhalten mithilfe des maschinellen Lernens
Fortgeschrittene Themen zu Ethik und Bias
- Deepfakes und synthetische Medien
- Erkennen und Vermindern von Bias in generativen Modellen
- Rechtliche und ethische Überlegungen
Branchenspezifische Anwendungen
- Generative KI im Gesundheitswesen
- Creative Industries und Unterhaltung
- Generative KI in der wissenschaftlichen Forschung
Forschungstrends in der generativen KI
- Neuere Fortschritte und Durchbrüche
- Offene Probleme und Forschungsmöglichkeiten
- Vorbereitung auf eine Karriere in der Forschung zur generativen KI
Abschlussprojekt
- Identifizierung eines Problems, das mit generativer KI angegangen werden kann
- Erweiterte Datensatzvorbereitung und -Erweiterung
- Modellsuche, Training und Feinjustierung
- Bewertung, Iteration und Präsentation des Projekts
Zusammenfassung und nächste Schritte
Voraussetzungen
- Ein Verständnis der grundlegenden Konzepte und Algorithmen des maschinellen Lernens
- Erfahrung mit Python-Programmierung und basischer Nutzung von TensorFlow oder PyTorch
- Kenntnisse über die Prinzipien neuronaler Netze und tiefes Lernen
Zielgruppe
- Datenwissenschaftler
- Maschinen-Lerningenieure
- KI-Praktiker
21 Stunden
