Cours d'IA générative

659 Cours

Introduction to Large Language Models - Español

Ceci est un cours d'introduction dans lequel on explore ce que sont les modèles de langage étendus (LLM), leurs cas d'utilisation et comment utiliser l'ajustement des messages pour améliorer les performances des LLM. Il couvre également les outils de Google pour vous aider à développer vos propres applications d'IA générative. Université : Fou.
course image
provider Coursera
pricing Free Online Course (Audit)
sessions On-Demand

Copy.AI for Beginners: Generate texts for various use cases

Copy.AI pour Débutants : Générer des Textes pour Divers Cas d'Utilisation Dans ce cours basé sur un projet d'une heure, vous pratiquerez la création de texte génératif en utilisant CopyAI. Nous allons couvrir cela en explorant les différentes fonctionnalités de CopyAI, en créant des invites personnalisées pour différents cas d'utilisation, en in.
course image
provider Coursera
pricing Paid Course
duration 1-2 hours
sessions On-Demand

Generative AI with Vertex AI: Build a customer chatbot

IA Générative avec Vertex AI : Créez un Chatbot Client Dans ce cours pratique d'une heure, vous découvrirez comment utiliser Vertex AI pour résumer et classifier le texte, et créer un chatbot pour une institution financière. Cela implique d'analyser les appels de support client et de développer un chatbot de support client. Vous acquerrez une ex.
course image
provider Coursera
pricing Paid Course
duration 1-2 hours
sessions On-Demand

Gen AI for developers: Web development with Python & Copilot

Gen AI for Developers : Développement Web avec Python et Copilot Ce projet guidé, "Gen AI for Developers : Développement Web avec Python & CoPilot", est conçu pour les développeurs souhaitant intégrer Copilot dans leur flux de travail quotidien. Dans ce cours de 1 heure basé sur un projet, vous apprendrez à configurer Copilot dans VS Code, à l'.
course image
provider Coursera
pricing Paid Course
duration 1-2 hours
sessions On-Demand

Responsible AI: Applying AI Principles with GC - Español

IA Responsable : Appliquer les Principes d'IA avec GC - Français À mesure que l'utilisation de l'intelligence artificielle et de l'apprentissage automatique s'accroît dans les entreprises, l'importance de leur mise en œuvre responsable augmente également. Le défi pour beaucoup est que parler d'IA responsable peut être plus facile que de l'appl.
course image
provider Coursera
pricing Free Online Course (Audit)
duration 1-2 hours
sessions On-Demand

Planificación de un proyecto de IA Generativa (Español LATAM) | Planning a Generative AI Project (LATAM Spanish)

Planification d'un projet d'IA Générative est le deuxième cours d'une série en trois parties appelée Fondamentaux de l'IA générative pour les décideurs techniques et commerciaux. Si vous ne l'avez pas encore terminé, commencez par le premier cours de la série, Introduction à l'IA générative - L'Art du possible. Dans ce cours, vous apprendrez sur.
course image
provider AWS Skill Builder
pricing Free Certificate
duration 1 hour
sessions On-Demand

Gen AI for Software Development: Code Generation for Python

Gen AI pour le Développement Logiciel : Génération de Code pour Python Pensez-vous que le codage est hors de portée ? Avec l'aide de l'IA générative, nous pouvons désormais décomposer facilement les problèmes et développer des logiciels pour les résoudre. Dans ce projet guidé de 1,5 heure, nous allons décomposer la logique du j.
course image
provider Coursera
pricing Paid Course
duration 2-3 hours
sessions On-Demand

Building a Generative AI-Ready Organization

Formation pour Bâtir une Organisation Prête pour l'IA Générative | Coursera Le cours Bâtir une Organisation Prête pour l'IA Générative offre les composants essentiels nécessaires pour l'adoption réussie de l'IA Générative au sein de votre organisation. Spécialement conçu pour les dirigeants d'entreprise et les décideurs clés, ce cours.
course image
provider Coursera
pricing Free Online Course (Audit)
duration 1-2 hours
sessions On-Demand

Amazon CodeWhisperer - Getting Started with Generative AI

Amazon CodeWhisperer - Premiers pas avec l'IA générative Amazon CodeWhisperer est un compagnon de codage basé sur l'intelligence artificielle (IA) qui peut générer des suggestions de code en temps réel en se basant sur vos commentaires et le code existant. CodeWhisperer, qui fonctionne dans diverses Environnements de Développement Intégrés (IDE).
course image
provider Coursera
pricing Free Online Course (Audit)
duration 1-2 hours
sessions On-Demand

Amazon Bedrock - Getting Started with Generative AI

Amazon Bedrock - Commencez avec l'IA Générative Amazon Bedrock est un service entièrement géré qui fournit un accès à des modèles de base (FMs) d'Amazon et des meilleures startups en IA via une API. Dans ce cours complet, vous découvrirez les nombreux avantages d'Amazon Bedrock et apprendrez comment commencer à utiliser le service grâce à une dé.
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!