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 (2)
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
Mir gefiel, dass der Trainer sehr viel Wissen hatte und es mit uns teilte
Daria Pawlak - LKQ POLSKA SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Kurs - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Maschinelle Übersetzung