Kursplan

Introduktion till Generative AI

  • Definition av generativ AI
  • Översikt över generativa modeller (GAN, VAE, etc.)
  • Tillämpningar och fallstudier

Behovet av syntetisk data

  • Begränsningar för verkliga data
  • Integritets- och säkerhetsproblem
  • Förbättra AI-modellens robusthet

Generera syntetisk data

  • Tekniker för generering av syntetisk data
  • Säkerställande av datakvalitet och mångfald
  • Praktisk workshop: Skapa ditt första syntetiska dataset

Utvärdering av syntetisk data

  • Mätvärden för att bedöma syntetisk datakvalitet
  • Jämföra syntetiska och verkliga dataprestanda
  • Analys av fallstudie

Etiska och juridiska aspekter

  • Navigera i det etiska landskapet
  • Rättsliga ramverk och efterlevnad
  • Balans mellan innovation och ansvar

Avancerade ämnen inom datasyntes

  • Syntetisk data för oövervakad inlärning
  • Datasyntes över flera domäner
  • Framtida trender inom generativ AI

Capstone-projektet

  • Tillämpa kunskap på verkliga scenarier
  • Utveckla en syntetisk datastrategi
  • Bedömning och återkoppling

Sammanfattning och nästa steg

Krav

  • En förståelse för grundläggande maskininlärningsbegrepp
  • Erfarenhet av Python programmering
  • Kunskaper om arbetsflöden för datavetenskap

Publik

  • Datavetare
  • AI-utövare
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier