Struttura del corso

Introduzione

  • Che cos'è l'IA generativa?
  • IA generativa vs altri tipi di IA
  • Panoramica delle principali tecniche e modelli dell'IA generativa
  • Applicazioni e casi d'uso dell'IA generativa
  • Sfide e limiti dell'IA generativa

Creazione di immagini con l'intelligenza artificiale generativa

  • Generazione di immagini da descrizioni testuali
  • Utilizzo delle GAN per creare immagini realistiche e diversificate
  • Utilizzo di VAE per creare immagini con variabili latenti
  • Utilizzo del trasferimento di stile per applicare stili artistici alle immagini

Creazione di testo con l'intelligenza artificiale generativa

  • Generazione di testo da prompt di testo
  • Utilizzo di modelli basati su trasformatori per creare testo con contesto e coerenza
  • Utilizzo del riassunto del testo per creare riassunti concisi di testi lunghi
  • Usare la parafrasi del testo per creare modi diversi di esprimere lo stesso significato

Creare audio con l'IA generativa

  • Generazione di voce da testo
  • Generazione di testo dalla voce
  • Generazione di musica da testo o audio
  • Generazione di voce con una voce specifica

Creazione di altri contenuti con l'IA generativa

  • Generazione di codice dal linguaggio naturale
  • Generazione di schizzi di prodotti dal testo
  • Generazione di video da testo o immagini
  • Generazione di modelli 3D da testo o immagini

Valutazione dell'IA generativa

  • Valutare la qualità e la diversità dei contenuti nell'IA generativa
  • Utilizzo di metriche come il punteggio di inizio, la distanza di nascita di Fréchet e il punteggio BLEU
  • Utilizzo della valutazione umana attraverso il crowdsourcing e i sondaggi
  • Applicazione di metodi di valutazione contraddittori, come i test di Turing e i discriminatori,

Comprendere le implicazioni etiche e sociali dell'IA generativa

  • Garantire l'equità e la responsabilità
  • Evitare l'uso improprio e l'abuso
  • Rispetto dei diritti e della privacy dei creatori di contenuti e dei consumatori
  • Promuovere la creatività e la collaborazione tra l'uomo e l'IA

Riepilogo e prossime tappe

Requisiti

  • Comprensione dei concetti e della terminologia di base dell'IA
  • Esperienza con Python programmazione e analisi dei dati
  • Familiarità con framework di deep learning come TensorFlow o PyTorch

Pubblico

  • Scienziati dei dati
  • Sviluppatori di intelligenza artificiale
  • Appassionati di IA
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

LangChain: Building AI-Powered Applications

14 ore

LangChain Fundamentals

14 ore

Small Language Models (SLMs): Applications and Innovations

14 ore

Small Language Models (SLMs) for Domain-Specific Applications

28 ore

Small Language Models (SLMs): Developing Energy-Efficient AI

21 ore

Small Language Models (SLMs) for Human-AI Interactions

14 ore

Introduction to Google Gemini AI

14 ore

Google Gemini AI for Content Creation

14 ore

Google Gemini AI for Transformative Customer Service

14 ore

Google Gemini AI for Data Analysis

21 ore

Generative AI with Large Language Models (LLMs)

21 ore

LlamaIndex: Enhancing Contextual AI

14 ore

LlamaIndex: Developing LLM Powered Applications

42 ore

Introduction to Large Language Models (LLMs)

14 ore

LLMs for Automated Customer Support

14 ore

Categorie relative