Joindre

Cours d'IA générative

659 Cours

California Institute of Technology Coursera

GenerativeAI for Customer Success

GenerativeAI pour le Succès Client Saviez-vous que les entreprises utilisant l'IA générative dans le succès client voient une amélioration significative de la satisfaction client et de l'efficacité opérationnelle ? Découvrez comment vous pouvez tirer parti de cette technologie pour transformer vos stratégies de succès client. Ce court cours perm.
course image
California Institute of Technology Coursera

Gemini in Google Drive - 日本語版

Gemini dans Google Drive - Version Française Gemini pour Google Workspace est un complément qui offre aux utilisateurs un accès aux fonctionnalités d'IA générative. À l'aide de leçons vidéo, d'activités pratiques et d'exemples concrets, nous expliquons en détail les fonctionnalités de Gemini dans Google Drive. Une fois ce cours terminé.
course image
California Institute of Technology Coursera

Gemini in Google Drive - 한국어

Gemini dans Google Drive - Français Université : Fournie par : Coursera Catégories : Cours d'IA Générative Cours Google Workspace Cours Gemini Gemini pour Google Workspace est un complément qui donne aux utilisateurs accès aux fonctionnalités d'IA générative. Ce cours explore en détail les fonctionnalités offertes par.
course image
California Institute of Technology Coursera

GenAI for Sales Operations Specialists

Le GenAI pour les spécialistes des opérations de vente Ce cours présente aux spécialistes des opérations de vente les capacités transformatrices de l'intelligence artificielle générative (GenAI). Les participants exploreront des stratégies pratiques pour exploiter le GenAI dans diverses tâches d'opérations de vente, augmentant ainsi l'efficacit.
course image
California Institute of Technology University of Naples Federico II

Developing Explainable AI (XAI)

Développer l'IA Explicable (XAI) À mesure que l'Intelligence Artificielle (IA) s'intègre dans des domaines à haut risque comme la santé, la finance et la justice pénale, il est crucial que ceux qui sont responsables de la construction de ces systèmes pensent au-delà de la boîte noire et développent des systèmes qui ne sont pas seulement précis, m.
course image
California Institute of Technology Coursera

Smarter Content Creation with Microsoft Copilot

Création de Contenu Plus Intelligente avec Microsoft Copilot Ce cours est le troisième d'une série conçue pour révolutionner vos capacités de marketing avec GenAI de Microsoft Copilot. En se concentrant sur la création de contenu, vous explorerez les différents types de contenu que vous pouvez créer en utilisant Microsoft Copilot. Ensuite, vous.
course image
California Institute of Technology Coursera

Upgrade Your Marketing Strategy with Microsoft Copilot

Améliorez votre stratégie marketing avec Microsoft Copilot Ce cours s'adresse principalement aux étudiants de première et deuxième année intéressés par l'ingénierie ou la science, ainsi qu'aux lycéens et aux professionnels intéressés par la programmation. "Améliorez votre stratégie marketing avec Microsoft Copilot" est le premier d'un.
course image
California Institute of Technology Coursera

Using Microsoft Copilot to Understand Your Customer

Utiliser Microsoft Copilot pour Comprendre Votre Client Description : Ce cours est le deuxième d'une série qui vise à transformer vos capacités marketing avec le GenAI de Microsoft Copilot. Son objectif est de comprendre vos clients. Dans ce cours, vous apprendrez à entraîner Microsoft Copilot avec des données liées au marketing. Vou.
course image
California Institute of Technology Coursera

Work with Gemini Models in BigQuery - 日本語版

Travail avec BigQuery en utilisant le modèle Gemini - Version française Ce cours présente comment utiliser les modèles AI/ML pour les tâches de génération AI dans BigQuery. À travers des cas d'utilisation réels liés à la gestion de la relation client, il explique un flux de travail pour résoudre des problèmes commerciaux en utilisant le modèle.
course image
California Institute of Technology Coursera

Work with Gemini Models in BigQuery - 简体中文

Travailler avec les modèles Gemini dans BigQuery - 简体中文 Ce cours montre comment utiliser les modèles AI/ML pour les travaux génératifs d'IA dans BigQuery. Il explique le flux de travail pour résoudre des problèmes commerciaux avec les modèles Gemini à travers des cas d'utilisation réels liés à la gestion de la relation client. Pour faciliter.
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!