Joindre

Cours d'IA générative

542 Cours

California Institute of Technology

Duet AI for end-to-end SDLC

Duet AI pour le cycle de vie de développement logiciel de bout en bout Dans ce cours, vous découvrirez comment Duet AI, un collaborateur alimenté par l'IA générative de Google Cloud, peut vous aider à utiliser les produits et services Google pour développer, tester, déployer et gérer des applications. Avec l'assistance de Duet AI, vous apprendre.
course image
California Institute of Technology edX

Impact, Ethics, and Issues with Generative AI

Impact, Éthique et Problématiques de l'IA Générative Dans ce cours, vous explorerez l'impact de l'intelligence artificielle (IA) générative sur la société, la main-d'œuvre, les organisations et l'environnement. Ce cours est destiné à toute personne intéressée par l'apprentissage des implications éthiques, économiques et sociales de l'IA générati.
course image
provider edX
pricing Free Online Course (Audit)
duration 3 weeks, 1-3 hours a week
sessions On-Demand
California Institute of Technology Coursera

Setting a Generative AI Strategy

Dans ce cours, nous explorons l'impact potentiel de l'IA Générative (IA Gen) sur différents aspects des entreprises, en mettant particulièrement l'accent sur la création de valeur pour les clients et la productivité. Nous examinerons des recherches menées par des leaders académiques et industriels pour comprendre les nouvelles réflexions sur l'.
course image
provider Coursera
pricing Free Online Course (Audit)
duration 6-7 hours
sessions On-Demand
California Institute of Technology

Use Generative AI as Your Thought Partner

Utiliser l'IA Générative comme Votre Partenaire de Réflexion Cette leçon fait partie du programme complet, Naviguer l'IA Générative pour les Leaders. Dans cette session, vous découvrirez comment Jeff Maggioncalda, PDG de Coursera, utilise des modèles d'IA générative pour devenir un leader plus efficace. Jeff explorera son environnement d'IA, y c.
course image
California Institute of Technology Coursera

Navigating Generative AI Risks for Leaders

Gérer les Risques de l'IA Générative pour les Leaders Ce cours complet explore les divers risques et préoccupations associés à l'IA Générative. Les sujets abordés incluent les risques du modèle d'entreprise, les inexactitudes dans le contenu généré par l'IA et les problèmes importants de sécurité et de confidentialité des données. Il souligne le.
course image
provider Coursera
pricing Free Online Course (Audit)
duration 3-4 hours
sessions On-Demand
California Institute of Technology

Elevating Businesses and Careers with Generative AI

Élever les Entreprises et les Carrières avec l'IA Générative Dans ce cours, vous découvrirez l'impact transformateur de l'IA générative sur les entreprises et les professionnels, ainsi que comment l'IA générative élève les opportunités pour les entreprises et les professionnels dans différents secteurs. Ce cours est conçu pour toute personne intér.
course image
California Institute of Technology Coursera

Generative AI: Enhance your Data Analytics Career

Université : Fournisseur : Coursera Catégories : Cours sur l'IA Générative, Cours de Visualisation de Données, Cours d'Ingénierie des Prompts Plongez dans le domaine prometteur de l'IA générative avec ce cours complet conçu pour améliorer votre carrière en analyse de données. Explorez les concepts fondamentaux, les modèles, les outils et les.
course image
provider Coursera
pricing Free Online Course (Audit)
duration 13 hours
sessions On-Demand
California Institute of Technology Coursera

Generative AI: Boost Your Cybersecurity Career

Ce cours court fournit aux professionnels et aux passionnés de cybersécurité les derniers outils d'IA générative pour relever des défis complexes de cybersécurité. Le cours se concentre sur la lutte contre l'exploitation des vulnérabilités non détectées pour lesquelles les organisations se tournent de plus en plus vers l'Intelligence Artificie.
course image
provider Coursera
pricing Free Online Course (Audit)
duration 10 hours
sessions On-Demand
California Institute of Technology Coursera  Specialization

Generative AI for Data Analysts

IA Générative pour les Analystes de Données IA Générative pour les Analystes de Données La demande de professionnels possédant des connaissances en intelligence artificielle (IA) est en augmentation. Il y a une révolution dans la manière dont les organisations prennent des décisions basées sur l'analyse de données générée par l'IA. Cette spécial.
course image
provider Coursera  Specialization
pricing Paid Course
California Institute of Technology

IBM Generative AI for Cybersecurity Professionals

IBM IA Générative pour les Professionnels de la Cybersécurité Les compétences en IA générative deviennent une partie essentielle de la boîte à outils des professionnels de la cybersécurité. Le Bureau of Labor Statistics des États-Unis prévoit une augmentation de 32% du nombre de professionnels de la cybersécurité nécessaires d'ici 2032, avec un.
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!