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

Related Categories

1