Schulungsübersicht
Einführung in die Generative KI
- Was ist Generative KI?
- Geschichte und Entwicklung der Generativen KI
- Schlüsselbegriffe und Terminologie
- Überblick über Anwendungen und Potenziale der Generativen KI
Grundlagen des Maschinelles Lernen
- Einführung in das maschinelle Lernen
- Arten des maschinellen Lernens: Supervised, Unsupervised und Reinforcement Learning
- Grundlegende Algorithmen und Modelle
- Datenvorverarbeitung und Merkmalsextraktion
Einführung in das Tiefes Lernen
- Neuronale Netzwerke und tiefes Lernen
- Aktivierungsfunktionen, Verlustfunktionen und Optimierer
- Überanpassung, Unteranpassung und Regularisierungstechniken
- Einführung in TensorFlow und PyTorch
Übersicht über Generative Modelle
- Arten von generativen Modellen
- Unterschiede zwischen diskriminativen und generativen Modellen
- Anwendungsfälle für generative Modelle
Variational Autoencoders (VAEs)
- Grundlegendes über Autoencoders
- Architektur von VAEs
- Latente Räume und ihre Bedeutung
- Praxisprojekt: Ein einfaches VAE erstellen
Generative Adversarial Networks (GANs)
- Einführung in GANs
- Architektur von GANs: Generator und Diskriminator
- Training von GANs und Herausforderungen
- Praxisprojekt: Ein grundlegendes GAN erstellen
Fortgeschrittene Generative Modelle
- Einführung in Transformer-Modelle
- Überblick über GPT (Generative Pretrained Transformer) Modelle
- Anwendungen von GPT zur Textgenerierung
- Praxisprojekt: Textgenerierung mit einem vorgetrainierten GPT-Modell
Ethik und Implikationen
- Ethische Überlegungen bei Generativer KI
- Bias und Fairness in AI-Modellen
- Zukunftsimplications und verantwortungsvolle AI
Branchen-Anwendungen der Generativen KI
- Generative KI in Kunst und Kreativität
- Anwendungen im Geschäftsbereich und Marketing
- Generative KI in Wissenschaft und Forschung
Abschlussprojekt
- Ideenentwicklung und Vorschlag eines generativen AI-Projekts
- Datensammlung und Vorverarbeitung
- Modellauswahl und Training
- Bewertung und Präsentation der Ergebnisse
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis der Programmierkonzepte in Python
- Erfahrung mit grundlegenden mathematischen Konzepten, insbesondere Wahrscheinlichkeiten und lineare Algebra
Zielgruppe
- Entwickler
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