Prenez contact avec nous

Plan du cours

Introduction

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

Création d'images avec l'IA générative

  • Génération d'images à partir de descriptions textuelles
  • Utilisation de GAN (réseaux antagonistes génératifs) pour créer des images réalistes et diversifiées
  • Utilisation de VAE (autoencodeurs variationnels) pour créer des images avec des variables latentes
  • Utilisation du transfert de style pour appliquer des styles artistiques aux images

Création de texte avec l'IA générative

  • Génération de texte à partir d'invites textuelles
  • Utilisation de modèles basés sur les transformateurs pour créer du texte avec contexte et cohérence
  • Utilisation de la summarisation de texte pour créer des résumés concis de longs textes
  • Utilisation du paraphrasage de texte pour créer différentes manières d'exprimer le même sens

Création d'audio avec l'IA générative

  • Génération de parole à partir de texte
  • Génération de texte à partir de parole (reconnaissance vocale)
  • Génération de musique à partir de texte ou d'audio
  • Génération de parole avec une voix spécifique

Création d'autres contenus avec l'IA générative

  • Génération de code à partir du langage naturel
  • Génération d'esquisses de produits à partir de texte
  • Génération de vidéo à partir de texte ou d'images
  • Génération de modèles 3D à partir de texte ou d'images

Évaluation de l'IA générative

  • Évaluation de la qualité et de la diversité du contenu dans l'IA générative
  • Utilisation de métriques telles que le score d'inception, la distance d'inception de Fréchet et le score BLEU
  • Utilisation de l'évaluation humaine via le crowdsourcing et les enquêtes
  • Application de méthodes d'évaluation adversariales telles que les tests de Turing et les discriminateurs

Compréhension des implications éthiques et sociales de l'IA générative

  • Assurer l'équité et la responsabilité
  • Éviter le mauvais usage et les abus
  • Respecter les droits et la confidentialité des créateurs et consommateurs de contenus
  • Favoriser la créativité et la collaboration entre les humains et l'IA

Résumé et prochaines étapes

Pré requis

  • Une compréhension des concepts et terminologie de base de l'IA
  • Expérience en programmation Python et en analyse de données
  • Familiarité avec les frameworks d'apprentissage profond tels que TensorFlow ou PyTorch

Audience cible

  • Data scientists
  • Développeurs en IA
  • Passionnés d'IA
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires