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.
Struttura del corso
Introduzione a Generative AI
- Che cos'è Generative AI?
- Storia ed evoluzione di Generative AI
- Concetti chiave e terminologia
- Panoramica delle applicazioni e delle potenzialità di Generative AI
Fondamenti di Machine Learning
- Introduzione all'apprendimento automatico
- Tipi di machine learning: supervisionato, non supervisionato e Reinforcement Learning
- Algoritmi e modelli di base
- Pre-elaborazione dei dati e progettazione delle funzionalità
Deep Learning Nozioni di base
- Reti neurali e deep learning
- Funzioni di attivazione, funzioni di perdita e ottimizzatori
- Tecniche di overfitting, underfitting e regolarizzazione
- Introduzione a TensorFlow e PyTorch
Cenni preliminari sui modelli generativi
- Tipi di modelli generativi
- Differenze tra modelli discriminativi e generativi
- Casi d'uso per i modelli generativi
Autoencoder variazionali (VAE)
- Informazioni sugli autoencoder
- L'architettura dei VAE
- Lo spazio latente e il suo significato
- Progetto pratico: Costruire un semplice VAE
Reti antagoniste generative (GAN)
- Introduzione alle GAN
- L'architettura delle GAN: Generatore e Discriminatore
- Formazione GAN e sfide
- Progetto pratico: creazione di una GAN di base
Modelli Generativi Avanzati
- Introduzione ai modelli di trasformatori
- Panoramica dei modelli GPT (Generative Pretrained Transformer)
- Applicazioni di GPT nella generazione di testo
- Progetto pratico: generazione di testo con un modello GPT pre-addestrato
Etica e implicazioni
- Considerazioni etiche in Generative AI
- Bias ed equità nei modelli di IA
- Implicazioni future e IA responsabile
Applicazioni industriali di Generative AI
- Generative AI in Arte e creatività
- Applicazioni nel business e nel marketing
- Generative AI in Scienza e ricerca
Progetto Capstone
- Ideazione e proposta di un progetto di AI generativa
- Raccolta e pre-elaborazione di set di dati
- Selezione e formazione del modello
- Valutazione e presentazione dei risultati
Riepilogo e prossime tappe
Requisiti
- Comprensione dei concetti di base della programmazione in Python
- Esperienza con i concetti matematici di base, in particolare la probabilità e l'algebra lineare
Pubblico
- Gli sviluppatori
14 ore