Joindre

Cours d'IA générative

542 Cours

California Institute of Technology Pluralsight

Gemini in Google Docs

Gemini dans Google Docs Gemini pour Google Workspace est un module complémentaire qui offre aux utilisateurs un accès aux fonctionnalités d'intelligence artificielle générative. Ce cours explore les capacités de Gemini dans Google Docs à travers des leçons vidéo, des activités pratiques et des exemples concrets. Apprenez à utiliser Gemini pour.
course image
California Institute of Technology Pluralsight

Image Representation and Processing

Représentation et Traitement des Images À l'ère numérique, la capacité à manipuler et comprendre les images n'est pas seulement une compétence mais une nécessité, en particulier dans des domaines tels que la vision par ordinateur et l'IA générative. Ce cours est conçu pour démystifier les complexités des images numériques, vous enseignant les co.
course image
California Institute of Technology Pluralsight

Introduction to Gemini for Google Workspace

Titre : Introduction à Gemini pour Google Workspace Description : Gemini pour Google Workspace est un complément qui fournit aux clients des fonctionnalités d'IA générative dans Google Workspace. Dans ce parcours d'apprentissage, vous explorerez les fonctionnalités clés de Gemini et apprendrez à les utiliser pour améliorer la productivité et l'.
course image
California Institute of Technology Pluralsight

Gemini in Gmail

Gemini dans Gmail Gemini pour Google Workspace est un module complémentaire qui intègre des capacités avancées d'IA générative dans Google Workspace. Ce mini-cours explore les fonctionnalités principales de Gemini et montre comment les utiliser pour améliorer la productivité et l'efficacité au sein de Gmai.
course image
California Institute of Technology Pluralsight

Gemini in Google Sheets

Gemini dans Google Sheets Gemini pour Google Workspace est un module complémentaire innovant qui offre des capacités d'IA générative au sein de Google Workspace. Dans ce mini-cours, vous explorerez les fonctionnalités essentielles de Gemini et découvrirez comment les utiliser pour améliorer la productivité et l'efficacité dans Google Sheets. Univer.
course image
California Institute of Technology Pluralsight

OpenAI: Prompt Engineering

OpenAI : Ingénierie des Sollicitations Comprendre l'ingénierie des sollicitations permet d'améliorer les performances des modèles linguistiques en concevant des sollicitations efficaces qui produisent des résultats alignés avec vos objectifs. Ce cours vous apprendra à créer des sollicitations efficaces pour ChatGPT d'OpenAI. L'IA générative amé.
course image
California Institute of Technology Pluralsight

Models and Parameters for Developers

Modèles et Paramètres pour les Développeurs Dans le paysage de plus en plus concurrentiel d'aujourd'hui, de plus en plus d'entreprises et de développeurs doivent tirer parti des dernières technologies d'IA pour rester en avance. Cependant, la complexité et l'étendue des modèles d'IA générative en laissent beaucoup incertains quant à la manière d.
course image
California Institute of Technology Universitat Politècnica de València

Herramientas de Inteligencia Artificial para la productividad. Más allá del ChatGPT

Découvrez comment augmenter votre productivité avec le soutien de l'Intelligence Artificielle Générative, dans un cours proposé par l'Universitat Politècnica de València à travers edX. Allez au-delà de ChatGPT, en explorant des outils avancés d'IA pour la génération automatique de contenu, la personnalisation des messages et l'automatisation des tâ.
course image
provider edX
pricing Free Online Course (Audit)
duration 4 weeks, 4-5 hours a week
sessions On-Demand
California Institute of Technology FutureLearn

Digital Skills: Artificial Intelligence

Embarquez pour un voyage transformateur de trois semaines à travers le domaine de l'Intelligence Artificielle (IA) avec notre cours complet. Cette expédition ne concerne pas seulement la compréhension de l'IA mais devenir compétent dans la navigation de ses complexités et l'exploitation de ses capacités pour l'avancement de carrière. Commencez par.
course image
provider FutureLearn
pricing Free Certificate
duration 3 weeks
sessions On-Demand
California Institute of Technology FutureLearn

Introduction to Artificial Intelligence and Machine Learning

Embarquez dans un voyage vers le futur avec notre cours Introduction à l'intelligence artificielle et à l'apprentissage automatique, proposé par FutureLearn. Ce programme à votre rythme est votre porte d'entrée pour comprendre le domaine en plein essor de l'IA et comment il est prêt à révolutionner les solutions logicielles à travers le monde. Plon.
course image
provider FutureLearn
pricing Paid Course
duration 3 weeks, 6 hours a week
sessions On-Demand

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!