Cursos de IA generativa

1067 Cursos

Gemini in Google Sheets - 简体中文

Géminis en Google Sheets - 简体中文 Universidad: Proveedor: Coursera Categorías: Cursos de IA Generativa, Cursos de Google Sheets, Cursos de Géminis
course image

Gemini in Gmail - 한국어

Gemini en Gmail - Español Gemini para Google Workspace es un complemento que ofrece a los clientes las capacidades de IA generativa de Google Workspace. En este mini curso, exploramos las características clave de Gemini y cómo estas pueden mejorar la productividad y eficiencia en Gmail. University: Provider: Coursera Categories: Cursos de IA Ge.
course image

Gemini in Google Slides - Português Brasileiro

Gemini en Google Slides - Español Descripción: Gemini para Google Workspace es un complemento que ofrece a los clientes acceso a funciones de IA generativa en nuestra plataforma. En este minicurso, conocerás las principales funcionalidades de Gemini y cómo pueden ser usadas para mejorar la productividad y eficiencia en Presentaciones Google..
course image

Introduction to Gemini for Google Workspace - Français

Introducción a Gemini para Google Workspace - Español Gemini para Google Workspace es un complemento que proporciona a los clientes funcionalidades de IA generativa en Google Workspace. En este curso de formación, descubrirá las principales características de Gemini y cómo pueden mejorar la productividad y la eficiencia en Google Workspace. U.
course image

Introduction to Gemini for Google Workspace - Português

Introducción a Gemini para Google Workspace - Español Descripción: El Gemini para Google Workspace es un complemento que añade funcionalidades de IA generativa a la plataforma. En este programa de aprendizaje, conocerás las principales funcionalidades del Gemini y cómo pueden ser utilizadas para mejorar la productividad y la ef.
course image

Introduction to Gemini for Google Workspace - 简体中文

Introducción a Gemini para Google Workspace - 简体中文 Gemini para Google Workspace es un complemento que proporciona capacidades de IA generativa a los clientes dentro de Google Workspace. En esta ruta de aprendizaje, descubrirá las principales características de Gemini y cómo utilizarlas en Google Workspace para aumentar la eficiencia labor.
course image

Introduction to Gemini for Google Workspace - 한국어

Introducción a Gemini para Google Workspace - Español Gemini para Google Workspace es un complemento que proporciona a los clientes las funciones de IA generativa de Google Workspace. En este curso, exploraremos las principales características de Gemini y cómo estas funciones pueden mejorar la productividad y eficiencia de Google Workspace..
course image

Gemini in Google Slides - 简体中文

Gemini en Google Slides - 简体中文 | Coursera Gemini para Google Workspace es un complemento que ofrece funciones de IA generativa a los clientes en Google Workspace. En este minicurso, aprenderás las principales funciones de Gemini y cómo utilizarlas en Google Slides para aumentar la productividad. Universidad: Proveedor: Courser.
course image

Introduction to Gemini for Google Workspace - Español

University: Provider: Coursera Categories: Cursos de IA Generativa, Cursos de Productividad, Cursos de Google Workspace, Cursos de Gemini Gemini para Google Workspace es un complemento que les proporciona a los clientes funciones potenciadas por IA generativa en esta plataforma. En esta ruta de aprendizaje, aprenderás sobre las funciones cla.
course image

Un curso de IA generativa es un campo de rápido crecimiento en el aprendizaje automático que puede crear contenido nuevo, traducir idiomas, escribir diferentes tipos de contenido creativo y responder a sus preguntas de manera informativa. Tiene un gran potencial para revolucionar la forma en que creamos y usamos los productos.

Un curso de IA generativa se refiere a cualquier modelo de inteligencia artificial que genera nuevos datos, información o documentos.

Por ejemplo, muchas empresas graban sus reuniones, tanto en vivo como virtuales. Aquí hay algunas formas en que la IA generativa podría transformar estas grabaciones:

Y esto es solo una pequeña parte de todos los procesos.

Ejemplos de Modelos de IA Generativa

Hay una serie de productos utilizando cursos de IA generativa ya disponibles en el mercado, te daremos algunos ejemplos a continuación. El principio subyacente de los cursos de IA generativa en la AI Eeducation varía dependiendo del modelo o algoritmo específico utilizado, pero algunos enfoques comunes incluyen:

  1. Los Autoencoders Variacionales (VAEs) son un tipo de modelo generativo que aprende a codificar datos de entrada en un espacio latente y luego a decodificarlo de nuevo en los datos originales. La parte "variacional" del nombre se refiere a la naturaleza probabilística del espacio latente, lo que permite al modelo generar una variedad de salidas.

  2. Redes Generativas Antagónicas (GAN): Las GAN constan de dos redes neuronales, un generador y un discriminador, que son entrenados simultáneamente a través del aprendizaje antagónico. El generador crea nuevos datos, y el discriminador evalúa qué tan bien los datos generados coinciden con los datos reales. La competencia entre las dos redes provoca que el generador mejore con el tiempo en la producción de salidas realistas.

  3. Redes Neuronales Recurrentes (RNR) y Memoria a Largo Plazo (LSTM): Estos tipos de redes neuronales a menudo se utilizan para generar secuencias como texto o música. Las RNR y LSTM tienen memoria que les permite procesar una serie de eventos en el tiempo, lo que las hace adecuadas para tareas donde el orden de los elementos es importante.

  4. Modelos Transformers: Los modelos Transformers, especialmente aquellos con mecanismos de atención, tienen mucho éxito en varias tareas generativas. Pueden recordar dependencias y relaciones a largo plazo en los datos, lo que los hace efectivos para tareas como la traducción de idiomas y la generación de texto.

  5. Autoencoders: Los Autoencoders constan de un codificador y un decodificador, y están entrenados para reconstruir los datos de entrada. Aunque se utilizan principalmente para aprender a representar y comprimir datos, variaciones como los autoencoders de eliminación de ruido (p. ej., en imágenes) pueden utilizarse para tareas generativas.

Un curso de IA generativa implica alimentar a un modelo con un gran conjunto de datos y optimizar sus parámetros para minimizar la diferencia entre la salida generada y la información real. ¡La capacidad de un modelo para producir contenido realista y rico depende de la complejidad de su arquitectura, la calidad y cantidad de datos de entrenamiento, y las técnicas de optimización utilizadas durante el entrenamiento!