Plan du cours

Introduction à Generative AI

  • Définition de l'IA générative
  • Aperçu des modèles génératifs (GAN, VAE, etc.)
  • Applications et études de cas

Le besoin de données synthétiques

  • Limites des données réelles
  • Préoccupations en matière de protection de la vie privée et de sécurité
  • Amélioration de la robustesse des modèles d'IA

Générer des données synthétiques

  • Techniques de génération de données synthétiques
  • Garantir la qualité et la diversité des données
  • Atelier pratique : Création de votre premier ensemble de données synthétiques

Évaluation des données synthétiques

  • Mesures d'évaluation de la qualité des données synthétiques
  • Comparaison des performances des données synthétiques et des données réelles
  • Analyse d'études de cas

Aspects éthiques et juridiques

  • Naviguer dans le paysage éthique
  • Cadres juridiques et conformité
  • Concilier l'innovation et la responsabilité

Sujets avancés en synthèse de données

  • Données synthétiques pour l'apprentissage non supervisé
  • Synthèse de données inter-domaines
  • Tendances futures de l'IA générative

Projet Capstone

  • Application des connaissances à des scénarios du monde réel
  • Développement d'une stratégie de données synthétiques
  • Évaluation et retour d'information

Résumé et prochaines étapes

Pré requis

  • Compréhension des concepts de base de l'apprentissage automatique
  • Expérience de la programmation Python.
  • Familiarité avec les flux de travail de la science des données

Audience

  • Scientifiques des données
  • Praticiens de l'IA
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires