Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Révision des Generative AI principes de base
- Récapitulation rapide des concepts Generative AI
- Applications avancées et études de cas
Plongée dans les réseaux adversoriels génératifs (GAN)
- Étude approfondie des architectures GAN
- Techniques pour améliorer la formation des GAN
- Les GAN conditionnels et leurs applications
- Projet pratique : Conception d'un GAN complexe
Autoencodeurs variationnels avancés (VAE)
- Exploration des limites des VAE
- Représentations démêlées dans les VAE
- Bêta-VAEs et leur signification
- Projet pratique : Construction d'un VAE avancé
Transformateurs et modèles génératifs
- Comprendre l'architecture des transformateurs
- Transformateurs génératifs pré-entraînés (GPT) et BERT pour les tâches génératives
- Stratégies de réglage fin pour les modèles génératifs
- Projet pratique : Mise au point d'un modèle GPT pour un domaine spécifique
Modèles de diffusion
- Introduction aux modèles de diffusion
- Entraînement des modèles de diffusion
- Applications à la génération d'images et de sons
- Projet pratique : Implémentation d'un modèle de diffusion
Reinforcement Learning dans Generative AI
- Les bases de l'apprentissage par renforcement
- Intégration de l'apprentissage par renforcement dans les modèles génératifs
- Applications dans la conception de jeux et la génération de contenu procédural
- Projet pratique : Création de contenu avec l'apprentissage par renforcement
Sujets avancés en matière d'éthique et de partialité
- Deepfakes et médias synthétiques
- Détection et atténuation des biais dans les modèles génératifs
- Considérations juridiques et éthiques
Applications sectorielles
- Generative AI dans les soins de santé
- Industries créatives et divertissement
- [dans la recherche scientifique
Tendances de la recherche en Generative AI
- Dernières avancées et percées
- Problèmes en suspens et possibilités de recherche
- Se préparer à une carrière de chercheur en Generative AI
Le projet Capstone
- Identification d'un problème adapté à Generative AI
- Préparation et augmentation avancées des ensembles de données
- Sélection, formation et mise au point de modèles
- Évaluation, itération et présentation du projet
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts et algorithmes fondamentaux de l'apprentissage automatique.
- Expérience de la programmation Python et utilisation de base de TensorFlow ou PyTorch
- Familiarité avec les principes des réseaux neuronaux et de l'apprentissage profond.
Audience
- Scientifiques des données
- Ingénieurs en apprentissage automatique
- Praticiens de l'IA
21 Heures