Connexion S’inscrire

Cours d'IA générative

1093 Cours

course image
California Institute of Technology AWS Skill Builder

Exploring Artificial Intelligence Use Cases and Applications (繁體中文)

Dans ce cours, vous explorerez des cas d'utilisation pratiques de l'intelligence artificielle (IA), de l'apprentissage automatique (ML) et de l'intelligence artificielle générative (IA générative) dans divers secteurs. Ces domaines incluent les soins de santé, la finance, le marketing, le divertissement, entre autres. Vous découvrirez également.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Developing Generative Artificial Intelligence Solutions (繁體中文)

Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative (IA Générative) qui comprend les éléments suivants : Définir des cas d'utilisation commerciale Sélectionner des modèles de base (FM) Améliorer les performances des FM Évaluer les performances des FM Déployer et évaluer l'impact sur.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Exploring Artificial Intelligence Use Cases and Applications (日本語)

Ce cours explore des cas d'utilisation concrets de l'intelligence artificielle (IA), de l'apprentissage automatique (ML) et de l'IA générative dans divers secteurs. Cela inclut la santé, les finances, le marketing, et l'industrie du divertissement, tout en apprenant les capacités et les limites des technologies IA, les méthodes de sélection de m.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Developing Generative Artificial Intelligence Solutions (日本語)

Développement de solutions d'intelligence artificielle générative (Français) Ce cours explore le cycle de vie des applications utilisant l'intelligence artificielle générative (IA générative). Les détails sont les suivants : Définition des cas d'utilisation commerciaux Choix du modèle de fondation (FM) Amélioration des performances du FM.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Responsible Artificial Intelligence Practices (日本語)

Dans ce cours, vous apprendrez les pratiques d'IA responsable. Tout d'abord, nous expliquerons ce qu'est l'IA responsable. Vous découvrirez comment définir une IA responsable, les défis auxquels elle fait face, et ses principaux éléments. Ensuite, nous aborderons plusieurs sujets pour développer un système d'IA responsable. Nous présenterons l.
provider AWS Skill Builder
course image
California Institute of Technology Coursera

Introduction to Generative AI with Snowflake

Explorez le domaine innovant de l'IA générative avec un cours axé sur l'utilisation de Snowflake. Le programme débute par l'introduction des concepts essentiels de l'IA, suivie d'une configuration guidée pour créer un environnement d'apprentissage fonctionnel et construire une application préliminaire. Progressez vers la maîtrise des fon.
provider Coursera
course image
California Institute of Technology Udemy

A CEO's Generative AI Playbook

Découvrez le guide indispensable pour les PDG souhaitant intégrer l'IA Générative dans leur stratégie d'entreprise. Proposé par Udemy, ce cours offre un guide complet pour maîtriser l'utilisation de l'IA dans un contexte stratégique. Vous apprendrez l'IA Générative, la Génération Augmentée par la Récupération (RAG), les agents IA, et l'intégrat.
provider Udemy
course image
California Institute of Technology Udemy

Social Engineering with AI: Advanced Techniques

Rejoignez notre cours, "Ingénierie Sociale avec IA : Techniques Avancées," proposé par Udemy, et plongez profondément dans le monde de l'ingénierie sociale avancée. Apprenez à maîtriser diverses techniques, du phishing aux deepfakes, et découvrez comment l'intelligence artificielle révolutionne ces tactiques de manipulation modernes. Ce cours.
provider Udemy
course image
California Institute of Technology Udemy

Create docs & how-to guides using Generative AI with Guidde

Libérez le pouvoir de l'IA Générative pour créer sans effort une documentation experte et des guides pratiques. Rejoignez notre cours Udemy visant à autonomiser les Chefs de Produit et les Managers Produit pour produire des supports de formation, des procédures opératoires standard (SOP), et des guides complets avec facilité. Que vous cherchi.
provider Udemy
course image
California Institute of Technology Udemy

Intro to Generative AI for Business Professionals

Udemy Plongez dans le monde de l'IA Générative avec notre cours complet spécialement conçu pour les professionnels d'entreprise. Apprenez à exploiter les technologies de l'IA pour stimuler l'innovation et rationaliser vos opérations commerciales. Ce guide pratique couvre les concepts et outils essentiels de l'IA, notamment : Réseaux Antagon.
provider Udemy

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!