Prenez contact avec nous

Plan du cours

Résumé des bases de l'IA générative

  • Rappel rapide des concepts de l'IA générative
  • Applications avancées et études de cas

Plongée approfondie dans les réseaux antagonistes génératifs (GAN)

  • Étude approfondie des architectures GAN
  • Techniques pour améliorer l'entraînement des GAN
  • GAN conditionnels et leurs applications
  • Projet pratique : Concevoir un GAN complexe

Autoencodeurs variationnels avancés (VAE)

  • Exploration des limites des VAE
  • Représentations désentrelacées dans les VAE
  • Beta-VAE et leur importance
  • Projet pratique : Construire un VAE avancé

Transformateurs et modèles génératifs

  • Compréhension de l'architecture Transformer
  • Transformers pré-entraînés génératifs (GPT) et BERT pour les tâches génératives
  • Stratégies de réglage fin pour les modèles génératifs
  • Projet pratique : Réglage fin d'un modèle GPT pour un domaine spécifique

Modèles de diffusion

  • Introduction aux modèles de diffusion
  • Entraînement des modèles de diffusion
  • Applications dans la génération d'images et d'audio
  • Projet pratique : Implémenter un modèle de diffusion

Apprentissage par renforcement dans l'IA générative

  • Fondamentaux de l'apprentissage par renforcement
  • Intégration de l'apprentissage par renforcement avec les modèles génératifs
  • Applications dans la conception de jeux et la génération de contenu procédural
  • Projet pratique : Créer du contenu avec l'apprentissage par renforcement

Sujets avancés en matière d'éthique et de biais

  • Deepfakes et médias synthétiques
  • Détection et atténuation des biais dans les modèles génératifs
  • Considérations légales et éthiques

Applications spécifiques au secteur

  • IA générative dans les soins de santé
  • Industries créatives et divertissement
  • IA générative dans la recherche scientifique

Tendances de recherche en IA générative

  • Dernières avancées et percées
  • Problèmes ouverts et opportunités de recherche
  • Préparation à une carrière de recherche en IA générative

Projet final

  • Identification d'un problème adapté à l'IA générative
  • Préparation avancée et augmentation des ensembles de données
  • Sélection du modèle, entraînement et réglage fin
  • Évaluation, itération et présentation du projet

Résumé et prochaines étapes

Pré requis

  • Une compréhension des concepts fondamentaux de l'apprentissage automatique et des algorithmes
  • De l'expérience avec la programmation Python et l'utilisation de base de TensorFlow ou PyTorch
  • Une familiarité avec les principes des réseaux neuronaux et de l'apprentissage profond

Public cible

  • Scientifiques des données
  • Ingénieurs en apprentissage automatique
  • Professionnels de l'IA
 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires