Joindre

Cours d'IA générative

542 Cours

California Institute of Technology AWS Skill Builder

AWS で始める生成系 AI for Entry (Japanese ONLY) (Na) 日本語実写版

Commencez avec AWS Generative AI pour les débutants (Japanese ONLY) (Na) Version Japonaise Live Pour commencer à utiliser l'IA générative dans le cadre de votre activité, il est essentiel de comprendre ce qu'est l'IA générative, la technologie qui la sous-tend, les différents types qui existent, ainsi que les cas d'utilisation et les défis liés à.
course image
California Institute of Technology AWS Skill Builder

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

Introduction à l'IA Générative - L'Art du Possible (Chinois Traditionnel) Le cours 'Introduction à l'IA Générative - L'Art du Possible' présente l'IA générative, ses cas d'utilisation, ses risques et ses avantages. À l'aide d'un exemple de génération de contenu, nous illustrons l'art du possible. À la fin de ce cours, les participants devraient êt.
course image
California Institute of Technology AWS Skill Builder

Foundations of Prompt Engineering (Traditional Chinese)

Principes de base du Prompt Engineering (Français) Dans ce cours, vous apprendrez les principes, techniques et meilleures pratiques pour concevoir des invites efficaces. Ce cours introduira les connaissances de base en conception d'invites, puis présentera des techniques d'invites avancées au fur et à mesure de votre progression. Vous apprendrez.
course image
California Institute of Technology AWS Skill Builder

Foundations of Prompt Engineering (Simplified Chinese)

Fondations de l'Ingénierie des Prompts (Chinois Simplifié) Dans ce cours, vous apprendrez les principes, techniques et meilleures pratiques pour concevoir des prompts efficaces. Le cours introduira les bases de l'ingénierie des prompts, puis progressera vers des techniques de prompt avancées. Vous apprendrez également à prévenir les mauvais usag.
course image
California Institute of Technology AWS Skill Builder

Introduzione all'AI generativa - L'arte del possibile (Italiano) | Introduction to Generative AI - Art of the Possible (Italian)

Introduction à l'IA générative - L'art du possible (Français) | Introduction to Generative AI - Art of the Possible (French) Le cours « Introduction à l'IA générative - L'art du possible » fournit une introduction à l'IA, les cas d'utilisation, les risques et les avantages. Avec l'aide d'un exemple de génération de contenu, nous illustrerons l'art.
course image
California Institute of Technology AWS Skill Builder

Planning a Generative AI Project (Korean)

Planification d'un Projet d'IA Générative (Korean) Planification d'un Projet d'IA Générative est le deuxième cours d'une série en trois parties intitulée Generative AI Essentials, destinée aux décideurs commerciaux et techniques. Si vous ne l'avez pas encore fait, commencez par le premier cours de la série, Introduction to Generative AI - Art of t.
course image
California Institute of Technology AWS Skill Builder

Build a Question-answering Bot using Generative AI (Traditional Chinese)

Construire un bot de questions-réponses en utilisant l'IA générative (Chinois traditionnel) Dans ce laboratoire, vous allez construire un chatbot capable de répondre à des questions sur les services AWS. Ce laboratoire est conçu pour vous permettre de déployer un modèle de langage large (LLM), d'intégrer ce modèle avec les sources de données Amaz.
course image
California Institute of Technology AWS Skill Builder

Build a Question-answering Bot using Generative AI (Simplified Chinese)

Construire un Chatbot Basé sur l'IA Générative - AWS Skill Builder Dans ce lab, vous construirez un Chatbot capable de répondre aux questions sur les services AWS. Ce lab est conçu pour vous offrir une expérience pratique de déploiement de grands modèles de langage (LLM), d'intégration de ce modèle avec des sources de données A.
course image
California Institute of Technology AWS Skill Builder

Build a Question-answering Bot using Generative AI (Korean)

Créer un Bot de Questions-Réponses en Utilisant l'IA Générative (Coréen) Présentation de l'atelier Dans cet atelier, vous allez construire un chatbot qui répond aux questions sur les services AWS. Cet atelier est conçu pour fournir un environnement de travail pratique où vous déploierez un modèle de langue large (LLM), l'intégrerez à une source de.
course image
California Institute of Technology AWS Skill Builder

Build a Question-answering Bot using Generative AI (Japanese)

Construire un Bot de Réponse à Des Questions en Utilisant l'AI Générative (Japonais) Dans ce laboratoire, vous allez construire un chatbot capable de répondre aux questions sur les services AWS. Ce laboratoire vous offre une expérience pratique en déployant un grand modèle de langage (LLM), en intégrant une source de données Amazon Kendra, et en.
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!