Prenez contact avec nous

Plan du cours

Rappel des bases de l'IA générative

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

Plongée 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

Transformers et Modèles Génératifs

  • Compréhension de l'architecture Transformer
  • GPT pré-entraînés (Generative Pretrained Transformers) 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

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

Sujets Avancés en Éthique et Biais

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

Applications Spécifiques aux Secteurs d'Activité

  • L'IA générative dans le secteur de la santé
  • Industries créatives et divertissement
  • L'IA générative dans la recherche scientifique

Tendances de la Recherche en IA Générative

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

Projet Final

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

Résumé et Prochaines Étapes

Pré requis

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

Audience

  • 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