Joindre

Cours d'IA générative

542 Cours

California Institute of Technology AWS Skill Builder

Foundations of Prompt Engineering (Korean)

Fondations de l'ingénierie des invites (Coréen) Ce cours explore les principes, techniques et meilleures pratiques pour concevoir des invites efficaces. Il introduit les bases de l'ingénierie des invites et continue à explorer des techniques avancées. Apprenez à éviter les erreurs d'utilisation des invites et à atténuer les biais lors des interact.
course image
California Institute of Technology AWS Skill Builder

Generative AI for Executives (Japanese) (VO) 日本語吹き替え版

IA Générative pour Cadres Dirigeants (Japonaise) (VO) Version Doublée en Japonais Ce cours offre une vue d'ensemble de l'IA générative. Les participants apprendront ce qu'est l'IA générative, comment elle répond aux préoccupations et défis des dirigeants, et comment elle peut soutenir la croissance des entreprises. Ils découvriront également le.
course image
California Institute of Technology AWS Skill Builder

Introduction to Generative AI - Art of the Possible (Japanese) (Sub) 日本語字幕版

Introduction à l'IA Générative - L'Art du Possible (Japonaise) (Sous-titres) 日本語字幕版 Introduction à l'IA Générative - L'Art du Possible (Japonaise) Le cours introduit l'IA générative, ses cas d'utilisation, ses risques et ses avantages. À travers des exemples de génération de contenu, il démontrera la technologie des possibles. À l'issue de c.
course image
California Institute of Technology AWS Skill Builder

Pianificare un progetto di IA generativa (Italiano) | Planning a Generative AI Project (Italian)

Planifier un projet d'IA générative (Français) | Planning a Generative AI Project (French) Planifier un projet d'IA générative est le deuxième cours de la série en trois parties intitulée : Les essentiels de l'IA générative pour les décideurs techniques et commerciaux. Si vous ne l'avez pas déjà fait, commencez par le premier cours de la série : I.
course image
California Institute of Technology AWS Skill Builder

Planification d'un projet d'IA générative (Français) | Planning a Generative AI Project (French)

Planification d'un projet d'IA générative (Français) | Planning a Generative AI Project (French) - AWS Skill Builder Planification d'un projet d'IA générative est le deuxième cours d'une série de trois cours intitulée Notions essentielles de l'IA générative à l'intention des décideurs commerciaux et techniques. Si vous ne l'avez pas encore fait, c.
course image
California Institute of Technology AWS Skill Builder

Building a Generative AI-Ready Organization (Traditional Chinese)

Construire une Organisation Prête pour l'IA Générative "Building a Generative AI-Ready Organization" est le dernier cours d'une série en trois parties intitulée "Generative AI Essentials for Business and Technical Decision Makers". Si vous n'avez pas encore suivi ce cours, nous vous recommandons de commencer par le premier cours de cette série,.
course image
California Institute of Technology AWS Skill Builder

Building a Generative AI-Ready Organization (Simplified Chinese)

Créer une Organisation Prête pour l'IA Générative (Chinois Simplifié) - AWS Skill Builder "Créer une Organisation Prête pour l'IA Générative" est le dernier cours de la série en trois parties "Les Essentiels de l'IA Générative pour les Décideurs Business et Techniques". Si vous n'avez pas encore suivi le premier cours de cette série, Introduction.
course image
California Institute of Technology AWS Skill Builder

Planning a Generative AI Project (Japanese)

Planification d'un Projet d'IA Générative (Japonais) Dans ce cours, vous apprendrez les bases techniques et la terminologie principales concernant l'intelligence artificielle (IA) générative. Vous découvrirez également les étapes nécessaires pour planifier un projet d'IA générative et évaluerez les risques et avantages associés à l'utilisation de.
course image
California Institute of Technology AWS Skill Builder

Introduction to Generative AI - Art of the Possible (Korean)

Introduction à l'IA Générative - L'Art du Possible (Coréen) Le cours 'Introduction à l'IA Générative - L'Art du Possible' présente l'IA générative, explore des études de cas, les risques et les avantages. À travers des exemples de génération de contenu, le cours explique l'art du possible. À la fin de ce cours, les apprenants pourront expliquer le.
course image
California Institute of Technology AWS Skill Builder

Introduction to Generative AI - Art of the Possible (Simplified Chinese)

Introduction à l'IA Générative - L'art du Possible (Français Simplifié) Le cours Introduction à l'IA Générative - L'art du Possible présente l'IA générative, ses cas d'utilisation, ses risques et ses avantages. Nous explorons l'art du possible à travers la génération de contenu. À la fin de ce cours, les apprenants devraien.
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!