Joindre

Cours d'IA générative

1018 Cours

California Institute of Technology edX

Developing Generative AI Applications with Python

Développer des Applications d'IA Générative avec Python La modélisation de l'IA générative est une compétence recherchée pour le développement de modèles d'IA. Les employeurs s'attendent maintenant à ce que les compétences en IA générative figurent sur le CV d'un ingénieur en IA. Ce cours pratique, qui fait également partie du Certificat Profes.
course image
California Institute of Technology Coursera

Generative AI for Data Science

IA Générative pour la Science des Données Découvrez comment l'IA générative peut améliorer la précision des données et l'efficacité opérationnelle en science des données. Ce cours court est conçu pour les data scientists et les passionnés d'IA afin de libérer le potentiel de l'IA générative dans les projets axés sur les données. En seulement 3 h.
course image
California Institute of Technology Coursera

Generative AI: Unleash Your Project Management Potential

IA Générative : Libérez Votre Potentiel en Gestion de Projet D'ici 2030, 80 pour cent du travail de gestion de projet sera effectué par l'IA (Gartner), permettant aux chefs de projet d'accroître leur efficacité en automatisant les tâches, en générant des insights à partir de vastes ensembles de données et en accélérant les processus. Ce cours off.
course image
California Institute of Technology Coursera

Ethical and Regulatory Implications of Generative AI

Implications Éthiques et Réglementaires de l'IA Générative Saviez-vous que la taille du marché mondial de l'IA devrait atteindre 997,77 milliards de dollars d'ici 2028 ? Alors que les technologies de l'IA s'intègrent rapidement dans tous les secteurs, comprendre leurs implications éthiques et réglementaires n'a jamais été aussi crucial. Ce cours c.
course image
California Institute of Technology Coursera

Generative AI - Your Personal Code Reviewer

AI Génératif - Votre Relecteur de Code Personnel Plongez dans l'avant-garde de l'évolution du codage avec notre cours complet, "AI Génératif - Votre Relecteur de Code Personnel." Ce cours immersif est conçu pour les apprenants cherchant à exploiter pleinement le potentiel de l'AI génératif dans le domaine de la relecture et de l'amélioration.
course image
California Institute of Technology Coursera

Generative AI Essentials: A Comprehensive Introduction

Essentiels de l'IA Générative : Une Introduction Complète Bienvenue dans ce cours d'introduction à l'IA Générative, conçu pour vous doter des connaissances nécessaires pour exploiter cette technologie de pointe. Ce cours offre une plongée profonde dans les concepts de base de l'IA Générative, explorant sa capacité à créer de no.
course image
California Institute of Technology AWS Skill Builder

Foundations of Prompt Engineering (Indonesian)

Fondements de l'Ingénierie des Invites (Indonésien) Dans ce cours, vous apprendrez les principes, techniques et meilleures pratiques pour concevoir des invites efficaces. Ce cours introduit les bases de l'ingénierie des invites et se poursuit avec des techniques avancées d'invite. Vous apprendrez également comment prévenir les abus d'invites et co.
course image
California Institute of Technology AWS Skill Builder

Generative AI for Executives (Arabic) (Na)

IA Générative pour les Cadres (Arabe) (Na) Ce cours fournit une vue d'ensemble de l'intelligence artificielle générative. Les étudiants explorent ce que l'on entend par intelligence artificielle générative, comment elle peut répondre aux préoccupations des cadres et aux défis auxquels ils sont confrontés, et comment elle soutient la croissance de.
course image
California Institute of Technology AWS Skill Builder

Creación de una organización preparada para la IA generativa (Español de España) | Building a Generative AI-Ready Organization (Spanish from Spain)

Création d'une organisation prête pour l'IA générative | Building a Generative AI-Ready Organization Création d'une organisation prête pour l'IA générative est le dernier cours de la série en trois parties Fondamentaux de l'IA générative pour les décideurs d'affaires et techniques. Si vous ne l'avez pas encore fait, nous vous recommandons de commen.
course image
California Institute of Technology AWS Skill Builder

Criação de uma organização pronta para o uso da IA generativa (Português) | Building a Generative AI-Ready Organization (Portuguese)

La création d'une organisation prête à l'utilisation de l'IA générative est le dernier cours d'une série en trois parties sur les éléments essentiels de l'IA générative pour les décideurs techniques et commerciaux. Si vous ne l'avez pas encore fait, nous vous recommandons de commencer par le premier cours de la série, Introduction à l'IA générati.
course image

Un cours d'IA générative est un domaine en pleine croissance de l'apprentissage automatique capable de créer de nouveaux contenus, de traduire des langues, de rédiger différents types de contenus créatifs et de répondre à vos questions de manière informative. Il a un potentiel énorme pour révolutionner la façon dont nous créons et utilisons les produits.

Un cours sur l'IA générative fait référence à tout modèle d'intelligence artificielle qui génère de nouvelles données, informations ou documents.

Par exemple, de nombreuses entreprises enregistrent leurs réunions, en direct et virtuelles. Voici quelques façons dont l'IA générative pourrait transformer ces enregistrements :

Et ce n'est qu'une petite partie de tous les processus.

Exemples de modèles d'IA génératifs

Il existe déjà sur le marché un certain nombre de produits utilisant des cours d'IA génératives - nous vous en donnerons quelques exemples ci-dessous. Le principe sous-jacent des cours d'IA génératives à l'AI Education varie en fonction du modèle ou de l'algorithme spécifique utilisé, mais certaines approches courantes comprennent :

  1. Les auto-encodeurs variationnels (VAE) sont un type de modèle génératif qui apprend à encoder les données d'entrée dans un espace latent, puis à les décoder pour retrouver les données originales. La partie "variationnelle" du nom fait référence à la nature probabiliste de l'espace latent, qui permet au modèle de générer une variété de sorties.

  2. Les réseaux antagonistes génératifs (GAN) : les GAN sont composés de deux réseaux de neurones, un générateur et un discriminateur, qui sont formés simultanément par apprentissage antagoniste. Le générateur crée de nouvelles données, et le discriminateur évalue la qualité de correspondance des données générées avec les données réelles. La compétition entre les deux réseaux amène le générateur à s'améliorer dans la production de sorties réalistes.

  3. Les réseaux de neurones récurrents (RNN) et la mémoire à court terme à long terme (LSTM) : Ces types de réseaux de neurones sont souvent utilisés pour générer des séquences comme le texte ou la musique. Les RNN et les LSTM ont une mémoire qui leur permet de traiter une série d'événements dans le temps, ce qui les rend adaptés à des tâches où l'ordre des éléments est important.

  4. Les modèles de transformateurs : Les modèles transformateurs, en particulier ceux dotés de mécanismes d'attention, réussissent très bien dans diverses tâches génératives. Ils peuvent se souvenir des dépendances et des relations à long terme dans les données, ce qui les rend efficaces pour des tâches telles que la traduction de langues et la génération de texte

  5. Les auto-encodeurs : Les auto-encodeurs sont composés d'un encodeur et d'un décodeur, et ils sont formés pour reconstruire les données d'entrée. Bien qu'ils soient principalement utilisés pour apprendre à représenter et à compresser les données, des variations comme les auto-encodeurs de débruitage (par exemple dans les images) peuvent être utilisées pour des tâches génératives.

Un cours d'IA générative consiste à nourrir un modèle avec un large ensemble de données et à optimiser ses paramètres pour minimiser la différence entre la sortie générée et l'information réelle. La capacité d'un modèle à produire un contenu réaliste et riche dépend de la complexité de son architecture, de la qualité et de la quantité des données d'apprentissage, et des techniques d'optimisation utilisées pendant l'apprentissage!