یادگیری AI ( هوش مصنوعی ) : تصویر کلی ، ایده ها و اجرا

به تازگی ، ما شاهد تغییر در هوش مصنوعی هستیم که خیلی واضح نبود. هوش مصنوعی تولیدی (GAI) - بخشی از هوش مصنوعی که می تواند انواع داده ها را تولید کند - شروع به نتایج قابل قبول ، بهتر و بهتر شدن کرد. با بهتر شدن مدل های GAI ، سؤالات به عنوان مثال بوجود می آیند. با مدل های GAI چه چیزی امکان پذیر خواهد بود؟ یا ، چگونه می توان از تولید داده برای پروژه های خود استفاده کرد؟ ما می بینیم که مدل های GAI چه وجود دارد و چگونه آنها اجرا می شوند. ما فقط روی بخش های مربوط به کد تمرکز خواهیم کرد و نه بر روی کد اداری که یک سال از این پس دقیق نخواهد بود (این یکی از Google است). علاوه بر این ، یک گشت و گذار وجود خواهد داشت: از نمودارهای محاسباتی ، تا شبکه های عصبی ، تا شبکه های عصبی عمیق ، تا شبکه های عصبی حلقوی (مبنای تولید تصویر و فیلم).
لیست معماری در زیر پایین است.
زاویه کاربرد: ما با بسیاری از زمینه های برنامه GAI آشنا می شویم ، جایی که ما می دانیم که پروژه های بعدی می توانند از آن پدیدار شوند. در نهایت ، ما به نقاط شروع خوب و چگونگی اجرای مدلهای GAI به طور مؤثر اشاره می کنیم. برای جلوگیری از آسیب بیشتر.

عنوان اصلی : Generative AI - From Big Picture, to Idea, to Implementation

سرفصل های دوره :

1. مقدمه:
1. بیا شروع کنیم
2. AI مولد چیست
3. مربی شما مارتین
4. بررسی اجمالی دوره
2. تبعیض آمیز در مقابل هوش مصنوعی:
1. تبعیض آمیز در مقابل هوش مصنوعی
3. چرا AI تولیدی مهم است:
1. زمینه های گسترده برنامه و پتانسیل
2. GAI در روندهای برتر فناوری استراتژیک
3. مثال نسل صورت
4. به عنوان مثال انجام-انجام-انجام حرکت
5. [قسمت 1] به عنوان مثال هنر تولید شده Gai و Interlock با Crypto & NFTS
6. [قسمت 2] به عنوان مثال هنر تولید شده Gai و Interlock با Crypto & NFTS
7. [قسمت 3] به عنوان مثال هنر تولید شده Gai و Interlock با Crypto & NFTS
4. AI تولیدی کجا واقع شده است:
1. گای کجا واقع شده است
2. تکامل مدل های تولیدی عمیق
5. قدرت شبکه های مخالف مولد (GANS):
1. GAN ها قدرتمند هستند
2. چگونه یک GAN کار می کند
3. [قسمت 1] شبکه های عصبی گشت و گذار
4. [قسمت 2] شبکه های عصبی گشت و گذار
5. آنچه Gans وجود دارد
6. چرا آنها را اینقدر طول کشید:
1. چرا آنها را خیلی طولانی کرد
7. اجرای یک GAN ساده:
1. [قسمت 1] نسخه ی نمایشی گان
2. [قسمت 2] نسخه ی نمایشی گان
8. عمیق در برخی از زمینه های کاربردی:
1. نسل سه بعدی
10. درسهای تقویت اطلاعات آموخته و چشم انداز
2. نسل سه بعدی - ایده ها
3. تولید تصویر تعاملی
4. [قسمت 1] نسخه ی نمایشی GAN مشروط (CGAN)
5. [قسمت 2] نسخه ی نمایشی GAN مشروط (CGAN)
6. چگونه یک گاگان کار می کند - ایده ها
7. چگونه داده ها را تقویت کنیم و چرا
8. چه تکنیک های تقویت داده وجود دارد و اثربخشی آنها چیست
9. افزایش داده ها با GAN - نسخه ی نمایشی
9. نگرانی های مربوط به مدل های AI تولیدی:
1. نگرانی های مربوط به مدل های AI تولیدی
10. معماری قابل توجه GAN:
1. [قسمت 1] معماری قابل توجه گان
2. [قسمت 2] معماری قابل توجه گان
11. برنامه های GAI و ایده های بیشتر:
1. GAI می تواند یاد بگیرد که بازی های کامل و نحوه بازی مجدد بازی ها را شبیه سازی کند
2. [قسمت 1] تولید متن با مدلهای (NLP) زبان
3. [قسمت 2] تولید متن با مدلهای زبان (NLP)