Joindre

Cours d'IA générative

659 Cours

California Institute of Technology Southern New Hampshire University

From Data to Decisions: Getting Started with AI

Entamez votre parcours en IA et transformez vos données organisationnelles en informations exploitables avec le cours de l'Université Southern New Hampshire, "Des données aux décisions : Commencer avec l'IA", disponible sur Coursera. Ce cours s'adresse aux personnes désireuses de travailler avec des données organisationnelles mais incertaines su.
course image
California Institute of Technology AWS Skill Builder

Generative BI with Amazon Q in Quicksight - Getting Started (Traditional Chinese)

Amazon Q dans QuickSight intègre les grands modèles linguistiques (LLM) d'Amazon Bedrock avec les fonctionnalités d'IA d'Amazon QuickSight, introduisant de nouvelles capacités de Business Intelligence (BI). Dans ce cours, vous apprendrez les concepts techniques et les avantages de l'utilisation d'Amazon Q dans QuickSight. Vous découvrirez l'a.
course image
California Institute of Technology AWS Skill Builder

BI generativa com o Amazon Q no Quicksight: introdução (Português) | Generative BI with Amazon Q in Quicksight - Getting Started (Portuguese)

Amazon Q dans QuickSight apporte un ensemble innovant de fonctionnalités de business intelligence (BI) en intégrant de grands modèles de langage (LLMs) de Amazon Bedrock avec les capacités de Amazon QuickSight. Au cours de ce programme, vous explorerez les concepts techniques et comprendrez les avantages d'utiliser Amazon Q dans QuickSight. Découvr.
course image
California Institute of Technology AWS Skill Builder

Amazon Q Introduction (Traditional Chinese)

Ce cours offre une vue d'ensemble avancée d'Amazon Q, un assistant soutenu par l'intelligence artificielle générative (IA). Vous découvrirez les cas d'utilisation et les avantages de la connexion d'Amazon Q aux informations, au code et aux systèmes de l'entreprise. Vous pouvez également trouver d'autres informations pour avancer dans votre parco.
course image
California Institute of Technology AWS Skill Builder

Amazon Q Introduction (Simplified Chinese)

Ce cours présente Amazon Q, un assistant basé sur l'intelligence artificielle générative (IA). Vous découvrirez les cas d'utilisation et les avantages de lier Amazon Q aux informations, au code et aux systèmes de votre entreprise. Vous pourrez également explorer des informations supplémentaires selon votre intérêt pour des cas d'utilisation spécifi.
course image
California Institute of Technology AWS Skill Builder

Optimizing Foundation Models (Traditional Chinese)

Dans ce cours, vous explorerez deux techniques pour améliorer la performance des modèles fondamentaux (FM) : la génération augmentée par récupération (RAG) et le réglage fin. Vous découvrirez les services Amazon Web Services (AWS) qui aident à stocker les embeddings dans des bases de données vectorielles, le rôle du service client dans les tâche.
course image
California Institute of Technology AWS Skill Builder

AWS ML Engineer Associate Curriculum Overview (Korean)

Ce cours d'introduction du programme de formation AWS ML Engineer Associate passe en revue les notions fondamentales liées à l'apprentissage automatique (ML) et examine les avancées en matière de ML et d'IA. Identifiez les objectifs commerciaux, formulez les problèmes de ML et découvrez Amazon SageMaker. Niveau du cours : Avancé Durée : 4.
course image
California Institute of Technology AWS Skill Builder

AWS Flash - Generative AI in Action: Real-World Use Cases (Indonesian)

Ce cours fournit une vue d'ensemble des cas d'utilisation de l'IA générative et de la valeur commerciale qu'elle offre. Il inclut des applications réelles pour l'IA générative dans tous les principaux secteurs et des études de cas. Niveau du cours : Débutant Durée : 75 minutes Remarque : Ce cours propose une transcription/sous-titre loca.
course image
California Institute of Technology Southern New Hampshire University

The History and Relevance of the Rise of Generative AI

L'Histoire et la Pertinence de la Montée de l'IA Générative Plongez dans le fascinant voyage de l'intelligence artificielle, de ses débuts théoriques aux puissants modèles génératifs d'aujourd'hui. Ce cours offre une perspective unique sur la transformation de l'IA au fil des décennies, en mettant en lumière les développements cruciaux en apprenti.
course image
California Institute of Technology AWS Skill Builder

AWS Flash - Introduction to Responsible AI (Simplified Chinese)

Ce cours présente ce qu'est l'IA responsable et son importance dans le contexte de l'intelligence artificielle générative. L'IA responsable signifie développer, déployer, et utiliser l'IA de manière éthique, transparente, équitable et responsable. Ce cours couvre les dimensions centrales de l'IA responsable ainsi que les meilleures pratiques p.
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!