Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Tinjauan Generative AI Dasar-dasar
- Rekap cepat konsep Generative AI.
- Aplikasi tingkat lanjut dan studi kasus
Mendalami Jaringan Adversarial Generatif (GAN)
- Studi mendalam tentang arsitektur GAN
- Teknik untuk meningkatkan pelatihan GAN
- GAN bersyarat dan aplikasinya
- Proyek praktis: Merancang GAN yang kompleks
Autoencoder Variasi Tingkat Lanjut (VAE)
- Menjelajahi batas VAE
- Representasi yang terurai dalam VAE
- Beta-VAE dan signifikansinya
- Proyek langsung: Membangun VAE tingkat lanjut
Transformer dan Model Generatif
- Memahami arsitektur Transformer
- Transformator Terlatih Generatif (GPT) dan BERT untuk tugas generatif
- Menyempurnakan strategi untuk model generatif
- Proyek praktis: Menyempurnakan model GPT untuk domain tertentu
Model Difusi
- Pengantar model difusi
- Model difusi pelatihan
- Aplikasi dalam pembuatan gambar dan audio
- Proyek langsung: Menerapkan model difusi
Reinforcement Learning di Generative AI
- Dasar-dasar pembelajaran penguatan
- Mengintegrasikan pembelajaran penguatan dengan model generatif
- Aplikasi dalam desain game dan pembuatan konten prosedural
- Proyek langsung: Membuat konten dengan pembelajaran penguatan
Topik Lanjutan dalam Etika dan Bias
- Deepfake dan media sintetis
- Mendeteksi dan mengurangi bias dalam model generatif
- Pertimbangan hukum dan etika
Aplikasi Khusus Industri
- Generative AI dalam perawatan kesehatan
- Industri kreatif dan hiburan
- Generative AI dalam penelitian ilmiah
Tren Penelitian di Generative AI
- Kemajuan dan terobosan terkini
- Membuka masalah dan peluang penelitian
- Mempersiapkan karir penelitian di Generative AI
Proyek Batu Penjuru
- Mengidentifikasi masalah yang cocok untuk Generative AI
- Persiapan dan augmentasi kumpulan data tingkat lanjut
- Pemilihan model, pelatihan, dan penyesuaian
- Evaluasi, iterasi, dan presentasi proyek
Ringkasan dan Langkah Selanjutnya
Requirements
- Pemahaman tentang konsep dan algoritma pembelajaran mesin dasar
- Pengalaman dengan pemrograman Python dan penggunaan dasar TensorFlow atau PyTorch
- Keakraban dengan prinsip-prinsip jaringan saraf dan pembelajaran mendalam
Hadirin
- Ilmuwan data
- Insinyur pembelajaran mesin
- Praktisi AI
21 Hours
