Plan du cours

Introduction

  • Qu'est-ce que l'IA générative ?
  • L'IA générative par rapport aux autres types d'IA
  • Aperçu des principales techniques et modèles de l'IA générative
  • Applications et cas d'utilisation de l'IA générative
  • Défis et limites de l'IA générative

Créer des images avec l'IA générative

  • Générer des images à partir de descriptions textuelles
  • Utilisation des GAN pour créer des images réalistes et diversifiées
  • Utilisation de VAE pour créer des images avec des variables latentes
  • Utilisation du transfert de style pour appliquer des styles artistiques aux images

Créer du texte avec l'IA générative

  • Générer du texte à partir d'invites
  • Utilisation de modèles basés sur des transformateurs pour créer des textes avec contexte et cohérence
  • Utilisation du résumé de texte pour créer des résumés concis de textes longs
  • Utiliser la paraphrase de texte pour créer différentes façons d'exprimer le même sens

Créer de l'audio avec l'IA générative

  • Générer de la parole à partir de texte
  • Générer du texte à partir de la parole
  • Générer de la musique à partir d'un texte ou d'un fichier audio
  • Générer un discours avec une voix spécifique

Créer d'autres contenus avec l'IA générative

  • Générer du code à partir du langage naturel
  • Générer des croquis de produits à partir de texte
  • Générer des vidéos à partir de textes ou d'images
  • Générer des modèles 3D à partir de textes ou d'images

Évaluer l'IA générative

  • Évaluer la qualité et la diversité du contenu dans l'IA générative
  • Utilisation de mesures telles que le score d'inception, la distance d'inception de Fréchet et le score BLEU
  • Utilisation de l'évaluation humaine par le biais du crowdsourcing et d'enquêtes
  • Appliquer des méthodes d'évaluation contradictoires telles que les tests de Turing et les discriminateurs.

Comprendre les implications éthiques et sociales de l'IA générative

  • Garantir l'équité et la responsabilité
  • Éviter les abus et les mauvais usages
  • Respecter les droits et la vie privée des créateurs de contenu et des consommateurs
  • Favoriser la créativité et la collaboration entre l'homme et l'IA

Résumé et prochaines étapes

Pré requis

  • Compréhension des concepts et de la terminologie de base de l'IA
  • Expérience de la programmation Python et de l'analyse de données
  • Familiarité avec les cadres d'apprentissage profond tels que TensorFlow ou PyTorch.

Public

  • Scientifiques des données
  • Développeurs d'IA
  • Passionnés d'IA
 14 heures

Nombre de participants



Prix par participant

Cours Similaires

LangChain: Building AI-Powered Applications

14 heures

LangChain Fundamentals

14 heures

Small Language Models (SLMs): Applications and Innovations

14 heures

Small Language Models (SLMs) for Domain-Specific Applications

28 heures

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

21 heures

Small Language Models (SLMs) for Human-AI Interactions

14 heures

Small Language Models (SLMs) for On-Device AI

21 heures

Introduction to Google Gemini AI

14 heures

Google Gemini AI for Content Creation

14 heures

Google Gemini AI for Transformative Customer Service

14 heures

Google Gemini AI for Data Analysis

21 heures

Generative AI with Large Language Models (LLMs)

21 heures

LlamaIndex: Enhancing Contextual AI

14 heures

LlamaIndex: Developing LLM Powered Applications

42 heures

Introduction to Large Language Models (LLMs)

14 heures

Catégories Similaires