Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Inleiding tot Generative AI
- Wat is Generative AI?
- Geschiedenis en evolutie van Generative AI
- Kernbegrippen en terminologie
- Overzicht van toepassingen en mogelijkheden van Generative AI
Grondbeginselen van Machine Learning
- Inleiding tot machine learning
- Soorten machine learning: onder toezicht, zonder toezicht en Reinforcement Learning
- Basisalgoritmen en -modellen
- Voorverwerking van gegevens en functie-engineering
Deep Learning Basisinformatie
- Neurale netwerken en deep learning
- Activeringsfuncties, verliesfuncties en optimizers
- Overmontage-, ondermontage- en regularisatietechnieken
- Inleiding tot TensorFlow en PyTorch
Overzicht van generatieve modellen
- Typen generatieve modellen
- Verschillen tussen discriminerende en generatieve modellen
- Gebruiksscenario's voor generatieve modellen
Variationele auto-encoders (VAE's)
- Inzicht in auto-encoders
- De architectuur van VAE's
- Latente ruimte en de betekenis ervan
- Hands-on project: Het bouwen van een eenvoudige elektrische fiets
Generatieve vijandige netwerken (GAN's)
- Inleiding tot GAN's
- De architectuur van GAN's: Generator en Discriminator
- Training GAN's en uitdagingen
- Hands-on project: Het maken van een basis GAN
Geavanceerde generatieve modellen
- Inleiding tot Transformer-modellen
- Overzicht van GPT-modellen (Generative Pretrained Transformer)
- Toepassingen van GPT bij het genereren van tekst
- Hands-on project: Tekstgeneratie met een vooraf getraind GPT-model
Ethiek en implicaties
- Ethische overwegingen in Generative AI
- Vooringenomenheid en eerlijkheid in AI-modellen
- Toekomstige implicaties en verantwoorde AI
Industriële toepassingen van Generative AI
- Generative AI In kunst en creativiteit
- Toepassingen in business en marketing
- Generative AI In wetenschap en onderzoek
Sluitstuk Project
- Ideevorming en voorstel van een generatief AI-project
- Verzameling en voorbewerking van gegevenssets
- Modelselectie en training
- Evaluatie en presentatie van de resultaten
Samenvatting en volgende stappen
Requirements
- Een goed begrip van de basisconcepten van programmeren in Python
- Ervaring met wiskundige basisconcepten, in het bijzonder kansrekening en lineaire algebra
Audiëntie
- Ontwikkelaars
14 Hours