Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Was ist generative KI?
  • Generative KI im Vergleich zu anderen KI-Typen
  • Überblick über Haupttechniken und Modelle in der generativen KI
  • Anwendungen und Use Cases von generativer KI
  • Herausforderungen und Grenzen von generativer KI

Erstellen von Bildern mit generativer KI

  • Generieren von Bildern aus Textbeschreibungen
  • Einsatz von GANs zur Erstellung realistischer und vielfältiger Bilder
  • Nutzung von VAEs (Variational Autoencoders) zur Erzeugung von Bildern mit latenten Variablen
  • Anwendung von Style Transfer, um künstlerische Stile auf Bilder anzuwenden

Erstellen von Texten mit generativer KI

  • Generieren von Text aus Texteingaben
  • Nutzung transformerbasierter Modelle zur Erstellung zusammenhängenden Textes im Kontext
  • Textzusammenfassung zur Erstellung prägnanter Zusammenfassungen langer Texte
  • Textparaphrasierung zur Wiedergabe desselben Inhalts mit anderen Formulierungen

Erstellen von Audioinhalten mit generativer KI

  • Generieren von Sprachausgabe aus Text
  • Erzeugen von Text aus Sprache (Speech-to-Text)
  • Komposition von Musik aus Text oder Audio
  • Generieren einer Sprachausgabe mit einer spezifischen Stimme

Erstellen weiterer Inhalte mit generativer KI

  • Generieren von Code aus natürlicher Sprache
  • Erzeugen von Produkt-Sketchen aus Textbeschreibungen
  • Generieren von Videos aus Text oder Bildern
  • Erstellen von 3D-Modellen aus Text oder Bildern

Bewertung generativer KI

  • Beurteilung der Inhaltsqualität und -vielfalt in generativer KI
  • Verwendung von Metriken wie Inception Score, Fréchet Inception Distance und BLEU-Score
  • Menschliche Bewertungen durch Crowdsourcing und Umfragen
  • Anwendung adversarieller Bewertungs_methodsen wie Turing-Tests und Diskriminatoren

Verständnis der ethischen und gesellschaftlichen Auswirkungen generativer KI

  • Sicherstellung von Fairness und Rechenschaftspflicht
  • Vermeidung von Missbrauch und Fehlgebrauch
  • Respektierung der Rechte und der Privatsphäre von Inhaltserstellern und -konsumenten
  • Förderung der Kreativität und Zusammenarbeit zwischen Mensch und KI

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegende Kenntnisse in KI-Konzepten und -Terminologie
  • Erfahrungen in der Python-Programmierung und Datenanalyse
  • Vertrautheit mit Deep-Learning-Frameworks wie TensorFlow oder PyTorch

Zielgruppe

  • Datenwissenschaftler
  • KI-Entwickler
  • KI-Enthusiasten
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien