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
Erfahrungsberichte (3)
Korrekte Verwendung von Prompts
Edgar Benedict C Cutiongco
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Maschinelle Übersetzung
Der interaktive Stil, die Übungen
Tamas Tutuntzisz
Kurs - Introduction to Prompt Engineering
Maschinelle Übersetzung
Eine großartige Sammlung von Ressourcen für zukünftige Nutzung, der Stil des Dozenten (voller Humor und mit großer Detailgenauigkeit)
Adam - GE Aerospace Poland Sp. z o.o.
Kurs - Prompt Engineering for ChatGPT
Maschinelle Übersetzung