Course Outline

Introductie

  • Wat is generatieve AI?
  • Generatieve AI versus andere soorten AI
  • Overzicht van de belangrijkste technieken en modellen in generatieve AI
  • Toepassingen en use cases van generatieve AI
  • Uitdagingen en beperkingen van generatieve AI

Afbeeldingen maken met generatieve AI

  • Afbeeldingen genereren op basis van tekstbeschrijvingen
  • GAN's gebruiken om realistische en diverse afbeeldingen te maken
  • VAE's gebruiken om afbeeldingen met latente variabelen te maken
  • Stijloverdracht gebruiken om artistieke stijlen toe te passen op afbeeldingen

Tekst maken met generatieve AI

  • Tekst genereren op basis van tekstprompts
  • Op transformatoren gebaseerde modellen gebruiken om tekst met context en samenhang te creëren
  • Tekstsamenvattingen gebruiken om beknopte samenvattingen van lange teksten te maken
  • Tekst parafraseren gebruiken om verschillende manieren te creëren om dezelfde betekenis uit te drukken

Audio maken met generatieve AI

  • Spraak genereren op basis van tekst
  • Tekst genereren op basis van spraak
  • Muziek genereren uit tekst of audio
  • Spraak genereren met een specifieke stem

Andere inhoud creëren met generatieve AI

  • Code genereren op basis van natuurlijke taal
  • Productschetsen genereren op basis van tekst
  • Video genereren op basis van tekst of afbeeldingen
  • 3D-modellen genereren op basis van tekst of afbeeldingen

Generatieve AI evalueren

  • Beoordeling van de kwaliteit en diversiteit van inhoud in generatieve AI
  • Met behulp van statistieken zoals aanvangsscore, Fréchet-aanvangsafstand en BLEU-score
  • Menselijke evaluatie gebruiken door middel van crowdsourcing en enquêtes
  • Het toepassen van adversarial evaluation methoden zoals Turing toetsen en discriminators

Inzicht in ethische en sociale implicaties van generatieve AI

  • Zorgen voor eerlijkheid en verantwoordingsplicht
  • Misbruik en misbruik vermijden
  • Respect voor de rechten en privacy van makers van inhoud en consumenten
  • Bevordering van creativiteit en samenwerking tussen mens en AI

Samenvatting en volgende stappen

Requirements

  • Inzicht in basisconcepten en -terminologie van AI
  • Ervaring met Python programmeren en data-analyse
  • Bekendheid met deep learning-frameworks zoals TensorFlow of PyTorch

Audiëntie

  • Datawetenschappers
  • AI-ontwikkelaars
  • AI-enthousiastelingen
 14 Hours

Related Courses

LangChain: Building AI-Powered Applications

14 Hours

LangChain Fundamentals

14 Hours

Small Language Models (SLMs): Applications and Innovations

14 Hours

Small Language Models (SLMs) for Domain-Specific Applications

28 Hours

Small Language Models (SLMs): Developing Energy-Efficient AI

21 Hours

Small Language Models (SLMs) for Human-AI Interactions

14 Hours

Small Language Models (SLMs) for On-Device AI

21 Hours

Introduction to Google Gemini AI

14 Hours

Google Gemini AI for Content Creation

14 Hours

Google Gemini AI for Transformative Customer Service

14 Hours

Google Gemini AI for Data Analysis

21 Hours

Generative AI with Large Language Models (LLMs)

21 Hours

LlamaIndex: Enhancing Contextual AI

14 Hours

LlamaIndex: Developing LLM Powered Applications

42 Hours

Introduction to Large Language Models (LLMs)

14 Hours

Related Categories

1