Cursusaanbod

Overzicht van de Basis van Generatieve AI

  • Snel overzicht van de concepten van Generatieve AI
  • Geavanceerde toepassingen en case studies

Diepgaande Inzicht in Generative Adversarial Networks (GANs)

  • Diepgaande studie van GAN-architecturen
  • Technieken om het GAN-training te verbeteren
  • Conditionele GANs en hun toepassingen
  • Hands-on project: Ontwerp van een complexe GAN

Geavanceerde Variational Autoencoders (VAEs)

  • De grenzen van VAEs verkennen
  • Ontkoppelde representaties in VAEs
  • Beta-VAEs en hun betekenis
  • Hands-on project: Bouwen van een geavanceerde VAE

Transformers en Generatieve Modellen

  • Begrip van de Transformer-architectuur
  • Generative Pretrained Transformers (GPT) en BERT voor generatieve taken
  • Fine-tuning-strategieën voor generatieve modellen
  • Hands-on project: Fine-tuning van een GPT-model voor een specifiek domein

Diffusiemodellen

  • Inleiding tot diffusiemodellen
  • Opleiden van diffusiemodellen
  • Toepassingen in beeld- en audio-generatie
  • Hands-on project: Implementeren van een diffusiemodel

Versterkend Leren in Generatieve AI

  • Basisprincipes van versterkend leren
  • Integreren van versterkend leren met generatieve modellen
  • Toepassingen in game-ontwerp en procedurele inhoudsgeneratie
  • Hands-on project: Content creëren met versterkend leren

Geavanceerde Onderwerpen over Ethiek en Bias

  • Deepfakes en synthetische media
  • Detecteren en verminderen van bias in generatieve modellen
  • Juridische en ethische overwegingen

Industrie-specifieke Toepassingen

  • Generatieve AI in de gezondheidszorg
  • Creatieve industrieën en entertainment
  • Generatieve AI in wetenschappelijk onderzoek

Onderzoekstrends in Generatieve AI

  • Laatste ontwikkelingen en doorbraken
  • Open problemen en onderzoeksmogelijkheden
  • Voorbereiding op een onderzoekscarrière in Generatieve AI

Slotproject

  • Identificeren van een probleem geschikt voor Generatieve AI
  • Geavanceerde datasetvoorbereiding en augmentatie
  • Modelselectie, training en fine-tuning
  • Evaluatie, iteratie en presentatie van het project

Samenvatting en Volgende Stappen

Vereisten

  • Begrip van de basisconcepten en algoritmen van machine learning
  • Ervaring met Python-programmering en basiskennis van TensorFlow of PyTorch
  • Vertrouwdheid met de principes van neurale netwerken en deep learning

Doelgroep

  • Datawetenschappers
  • Machine learning engineers
  • AI-praktijkgangers
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën