Struttura del corso

Riepilogo delle basi dell'Intelligenza Artificiale Generativa (Generative AI)

  • Rapido riepilogo dei concetti di Generative AI
  • Applicazioni avanzate e casi studio

Approfondimento sui Generative Adversarial Networks (GANs)

  • Studio approfondito delle architetture GAN
  • Tecniche per migliorare il training di GAN
  • Conditional GANs e le loro applicazioni
  • Progetto pratico: Progettazione di un complesso GAN

Variational Autoencoders (VAEs) Avanzati

  • Esplorazione dei limiti dei VAEs
  • Rappresentazioni disentangled nei VAEs
  • Beta-VAEs e la loro importanza
  • Progetto pratico: Costruzione di un avanzato VAE

Transformers e Modelli Generativi

  • Comprensione dell'architettura Transformer
  • Generative Pretrained Transformers (GPT) e BERT per compiti generativi
  • Strategie di fine-tuning per modelli generativi
  • Progetto pratico: Fine-tuning di un modello GPT per un dominio specifico

Modelli Diffusione (Diffusion Models)

  • Introduzione ai modelli diffusione
  • Addestramento di modelli diffusione
  • Applicazioni nella generazione di immagini e audio
  • Progetto pratico: Implementazione di un modello diffusione

Apprendimento per Rafforzamento nell'Intelligenza Artificiale Generativa

  • Fondamenti dell'apprendimento per rafforzamento
  • Integrare l'apprendimento per rafforzamento con modelli generativi
  • Applicazioni nel design dei giochi e nella generazione di contenuti procedurale
  • Progetto pratico: Creazione di contenuti con apprendimento per rafforzamento

Argomenti Avanzati sull'Etica e il Bias

  • Deepfakes e media sintetici
  • Rilevazione e mitigazione del bias nei modelli generativi
  • Considerazioni legali ed etiche

Applicazioni Specifiche per il Settore Industriale

  • Intelligenza Artificiale Generativa nella sanità
  • Industrie creative e intrattenimento
  • Intelligenza Artificiale Generativa nella ricerca scientifica

Tendenze di Ricerca nell'Intelligenza Artificiale Generativa

  • Ultimi sviluppi e innovazioni
  • Problemi aperti ed opportunità di ricerca
  • Preparazione per una carriera di ricerca nell'Intelligenza Artificiale Generativa

Progetto Capitale

  • Identificare un problema adatto all'Intelligenza Artificiale Generativa
  • Preparazione avanzata dei dataset e aumentamento
  • Selezionare, addestrare e fine-tuning del modello
  • Valutazione, iterazione ed esposizione del progetto

Riepilogo e Passaggi Successivi

Requisiti

  • Comprendere i concetti fondamentali e gli algoritmi di apprendimento automatico
  • Esperienza con la programmazione in Python e l'uso base di TensorFlow o PyTorch
  • Familiarità con i principi delle reti neurali e dell'apprendimento profondo

Pubblico

  • Scienziati dei dati
  • Ingegneri di apprendimento automatico
  • Professionisti dell'IA
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative