Connexion S’inscrire

Cours d'IA générative

1093 Cours

course image
California Institute of Technology AWS Skill Builder

Developing Generative Artificial Intelligence Solutions (한국어)

Ce cours examine le cycle de vie des applications d'intelligence artificielle générative (AI générative), qui comprend : Définition des cas d'utilisation métier Sélection de modèles fondamentaux (FM) Amélioration des performances du FM Évaluation des performances du FM Déploiement et impact sur les objectifs métier Ce cours est un.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Exploring Artificial Intelligence Use Cases and Applications (한국어)

Ce cours explore des cas d'utilisation réels de l'intelligence artificielle (IA), de l'apprentissage automatique (ML) et de l'intelligence artificielle générative (IA générative) dans divers secteurs tels que la santé, la finance, le marketing et le divertissement. Vous apprendrez également les capacités et les limitations de l'IA, du ML et de.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Responsible Artificial Intelligence Practices (한국어)

Dans ce cours, vous explorerez les pratiques d'IA responsable. Il commence par une introduction à ce que signifie l'IA responsable, y compris la définition de l'IA responsable, la compréhension des défis qu'elle cherche à surmonter, et l'exploration de ses éléments essentiels. Ensuite, le cours aborde divers sujets pour développer des systèmes d'I.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Developing Generative Artificial Intelligence Solutions (简体中文)

Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative, qui comprend les éléments suivants : Définir les cas d'utilisation métier Sélectionner le modèle de base (FM) Améliorer les performances du FM Évaluer les performances du FM Déploiement et son impact sur les objectifs métier Ce cou.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Developing Generative Artificial Intelligence Solutions (ไทย)

Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative (IA générative), notamment : la définition des cas d'utilisation commerciale la sélection des modèles fondamentaux (FM) l'amélioration des performances du FM l'évaluation des performances du FM la mise en œuvre pratique et l'impact.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Fundamentals of Machine Learning and Artificial Intelligence (Bahasa Indonesia)

Dans ce cours, vous apprendrez les bases du machine learning (ML) et de l'intelligence artificielle (IA). Vous examinerez les différentes relations entre l'IA, le ML, le deep learning et le domaine émergent de l'intelligence artificielle générative (IA générative). Vous acquerrez une excellente compréhension des termes de base de l'IA, vous.
provider AWS Skill Builder
course image
California Institute of Technology Canvas Network

GenAI in Action: Impact and Possibilities

Explorez le potentiel illimité de l'Intelligence Artificielle avec le cours complet d'IA et ChatGPT de la prestigieuse Université de Floride du Sud. Ce cours conçu avec expertise, proposé via Canvas Network, plonge profondément dans les domaines de l'IA, du machine learning et de l'IA générative. Que vous souhaitiez enrichir vos connaissances.
provider Canvas Network
course image
California Institute of Technology Coursera

GenAI for Healthcare Ethics

Plongez dans le potentiel transformateur de l'IA générative dans le domaine de la santé avec notre cours sur l'éthique en santé. Acquérez des compétences essentielles pour relever des défis éthiques, en veillant à ce que les systèmes d'IA soient équitables, transparents et qu'ils donnent la priorité au bien-être des patients. Apprenez à iden.
provider Coursera
course image
California Institute of Technology Coursera

Improving Diagnostic Accuracy with GenAI

Rejoignez notre cours complet conçu pour les professionnels de la santé, les passionnés d'IA et toute personne intéressée par la fusion de la technologie et de la médecine. Apprenez à tirer parti de la puissance de GenAI pour améliorer la précision diagnostique grâce à des applications pratiques concrètes. Découvrez comment intégrer les outil.
provider Coursera
course image
California Institute of Technology AWS Skill Builder

Exploring Artificial Intelligence Use Cases and Applications (ไทย)

Dans ce cours, vous étudierez des cas d'utilisation réels sur l'application de l'intelligence artificielle (IA), de l'apprentissage automatique (ML) et de l'IA générative dans divers secteurs, tels que l'industrie de la santé, la finance, le marketing, le divertissement, et bien plus. Vous apprendrez également sur les capacités et les limita.
provider AWS Skill Builder

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!