Joindre

Cours d'IA générative

542 Cours

California Institute of Technology AWS Skill Builder

Créer un bot qui réponde aux questions à l'aide de l'IA générative (Français) | Build a Question-answering Bot using Generative AI (French)

Créer un bot qui réponde aux questions à l'aide de l'IA générative (Français) | Build a Question-answering Bot using Generative AI (French) Dans cet atelier, vous allez créer un chatbot qui répond aux questions concernant les services AWS. Cet atelier est destiné à vous fournir une expérience pratique dans le déploiement d’un grand modèle de lang.
course image
California Institute of Technology AWS Skill Builder

Cree un bot de búsqueda de respuestas mediante la IA generativa (Español LATAM) | Build a Question-answering Bot using Generative AI (LATAM Spanish)

Créer un bot de recherche de réponses avec l'IA générative (Français) | Build a Question-answering Bot using Generative AI (French) Informations générales du laboratoire Dans ce laboratoire, vous allez créer un chatbot qui répond aux questions sur les services AWS. Le laboratoire est conçu pour vous fournir une expérience pratique de la mise e.
course image
California Institute of Technology AWS Skill Builder

Building a Generative AI-Ready Organization (Korean)

Construire une Organisation Prête pour l'IA Générative Bienvenue dans Construire une Organisation Prête pour l'IA Générative, le dernier cours de notre série en trois parties sur les Essentiels de l'IA Générative pour les décideurs commerciaux et technologiques. Si vous ne l'avez pas encore fait, nous vous recommandons de commencer par le premier.
course image
California Institute of Technology AWS Skill Builder

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

Introduction to Generative AI - Art of the Possible (French) Le cours d'introduction à l'IA générative - l'art du possible, fournit une vue d'ensemble sur l'IA générative, ses cas d'utilisation, ses risques et ses avantages. À travers des exemples de création de contenu, nous pouvons démontrer l'art du possible. À la fin du cours, les apprenants d.
course image
California Institute of Technology AWS Skill Builder

Building a Generative AI-Ready Organization (Indonesian)

Construire une Organisation Prête pour l'IA Générative (Indonésien) Construire une Organisation Prête pour l'IA Générative est le dernier cours de la série de trois parties intitulée Les Essentiels de l'IA Générative pour les Décideurs Business et Techniques. Si vous ne l'avez pas encore fait, nous vous recommandons de commencer par le premier co.
course image
California Institute of Technology AWS Skill Builder

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

Introduction à l'IA Générative - L'art du Possible (Indonésien) Le cours Introduction à l'IA Générative - L'art du Possible offre une introduction à l'IA générative, aux cas d'utilisation, aux risques et aux avantages. À l'aide d'exemples de création de contenu, nous illustrons l'art du possible. À la fin du cours, les apprenants devront être cap.
course image
California Institute of Technology AWS Skill Builder

Building a Generative AI-Ready Organization (Japanese)

Construire une organisation prête pour l'IA générative (japonais) « Construire une organisation prête pour l'IA générative » est le dernier cours de la série en 3 parties « Principes de base de l'IA générative pour les décideurs commerciaux et techniques ». S'il ne l'a pas encore été, il est recommandé de commencer par le premier cours de la série.
course image
California Institute of Technology AWS Skill Builder

Building a Generative AI-Ready Organization (Vietnamese)

Créer une organisation prête pour l'IA générative (Vietnamien) Créer une organisation prête pour l'IA générative est le dernier cours d'une série de trois intitulée Generative AI Essentials for Business and Technical Decision Makers. Nous vous recommandons de commencer par le premier cours de cette série, Introduction to Generative AI: Art of the.
course image
California Institute of Technology Codecademy

Streamline Resume Creation with Generative AI Case Study

Rationalisez la Création de CV avec une Étude de Cas sur l'IA Générative Découvrez comment utiliser l'IA générative pour rationaliser la création d'un CV personnalisé, en veillant à ce qu'il soit adapté à une candidature spécifique et rempli de mots-clés pertinents pour une meilleure visibilité. Cette étude de cas est conçue pour améliorer vos c.
California Institute of Technology Codecademy

Unit Testing with Generative AI Case Study

Étude de cas sur les tests unitaires avec l'IA générative Utilisez l'IA générative pour vous aider à créer un test unitaire pour du code Python. L'IA générative peut générer des tests unitaires pour toutes les fonctions d'une classe Python. Dans cette étude de cas, vous développerez vos compétences en utilisant l'IA générative pour vous aider.

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!