Connexion S’inscrire

Cours d'IA générative

1093 Cours

course image
California Institute of Technology Coursera

GenAI for Executives & Business Leaders: An Introduction

L'IA impacte tous les aspects des affaires et de la vie quotidienne. Comme l'a noté Arthur C. Clarke, "Toute technologie suffisamment avancée est indiscernable de la magie." Pourtant, l'intelligence artificielle (IA) s'enracine dans les mathématiques et les sciences, et son influence pénétrera tous les aspects de l'existence. Ce cours de l'IBM A.
provider Coursera
course image
California Institute of Technology Coursera

Develop GenAI Apps with Gemini and Google Maps

Développer des applications GenAI avec Gemini et Google Maps Améliorez vos compétences en participant à un laboratoire autonome axé sur la création et le test de fragments de code de démonstration pour une application d'agent de voyage. Ce laboratoire se déroule dans la console Google Cloud et exploite le puissant modèle Gemini Pro, le SDK Pyt.
provider Coursera
course image
California Institute of Technology Coursera

GenAI for Execs & Business Leaders: Integration Strategy

Êtes-vous un dirigeant ou leader d'entreprise désireux d'intégrer stratégiquement l'IA dans votre organisation ? Ce cours concis offre des perspectives essentielles des leaders d'IBM sur l'intégration de GenAI à grande échelle. Apprenez à augmenter le ROI, à valoriser les données pour un avantage concurrentiel, et à concevoir des cas d'uti.
provider Coursera
course image
California Institute of Technology Coursera

GenAI for Sales Proposals and Presentations

Découvrez une approche révolutionnaire des propositions de vente et des présentations avec "GenAI pour les Propositions de Vente et Présentations," un cours offert par Coursera. Conçu pour les professionnels de la vente, ce cours vous permet de maîtriser l'IA générative pour créer des documents de vente personnalisés et visuellement rema.
provider Coursera
course image
California Institute of Technology Coursera

GenAI for Performance Management

Libérez le potentiel de l'intelligence artificielle générative pour optimiser la gestion de la performance avec notre cours. Explorez comment GenAI améliore la définition d'objectifs, la surveillance de la performance et le feedback, permettant une approche plus efficace et personnalisée de la croissance des employés et de l'alignement organis.
provider Coursera
course image
California Institute of Technology Microsoft Learn

AI Fluency

Module 1 : Découvrez l'histoire et les concepts fondamentaux de l'intelligence artificielle. Apprenez comment l'IA impacte la vie quotidienne et évaluez les concepts, algorithmes et jalons historiques de l'IA, de l'apprentissage machine et de l'apprentissage profond. Module 2 : Comprenez les fondamentaux de l'IA générative et leur effet.
provider Microsoft Learn
course image
California Institute of Technology AWS Skill Builder

Exploring Artificial Intelligence Use Cases and Applications (Tiếng Việt)

Dans ce cours, vous allez explorer les cas d'utilisation de l'intelligence artificielle (IA), du machine learning (ML) et de l'intelligence artificielle générative (IA générative) dans divers secteurs. Ces domaines incluent la santé, la finance, le marketing, le divertissement, etc. Vous apprendrez également les capacités et les limitations de l.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Responsible Artificial Intelligence Practices (Tiếng Việt)

Dans ce cours, vous apprendrez les pratiques de l'IA responsable. Tout d'abord, vous découvrirez la définition de l'IA responsable, les défis à relever et explorerez ses aspects fondamentaux. Ensuite, vous approfondirez le développement de systèmes d'IA avec les services et outils AWS. Le cours vous guidera également dans le choix des modèles e.
provider AWS Skill Builder
course image
California Institute of Technology AWS Skill Builder

Developing Generative Artificial Intelligence Solutions (Tiếng Việt)

Développement de Solutions d'IA Générative (Français) - AWS Skill Builder Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative (IA générative), y compris : Identification des cas d'utilisation métier Choisir un modèle de base (FM) Améliorer les performances du FM Évaluer les performances.
provider AWS Skill Builder
course image
California Institute of Technology Pluralsight

Practical Strategies for AIOps Success

Rejoignez Tim Warner et un invité spécial dans cette session perspicace alors qu'ils se plongent dans les connaissances essentielles pour les professionnels IT sur AIOps. Les sujets cruciaux incluent les tactiques de mise en œuvre pratiques et l'utilisation de l'IA générative pour une transformation impactante. Autrefois considérée comme futu.
provider Pluralsight

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!