Programa do Curso
Revisão dos Fundamentos da IA Generativa
- Resumo rápido dos conceitos de IA Generativa
- Aplicações avançadas e estudos de caso
Aprofundamento em Redes Adversariais Generativas (GANs)
- Estudo aprofundado das arquiteturas de GANs
- Técnicas para melhorar o treinamento de GANs
- GANs condicionais e suas aplicações
- Projeto prático: Desenvolvimento de uma GAN complexa
Autoencoders Variacionais Avançados (VAEs)
- Explorando os limites dos VAEs
- Representações desconexas em VAEs
- Beta-VAEs e sua importância
- Projeto prático: Construção de um VAE avançado
Transformers e Modelos Generativos
- Compreensão da arquitetura Transformer
- Transformers Geradores Pré-treinados (GPT) e BERT para tarefas generativas
- Estratégias de ajuste fino para modelos generativos
- Projeto prático: Ajuste fino de um modelo GPT para um domínio específico
Modelos de Difusão
- Introdução aos modelos de difusão
- Treinamento de modelos de difusão
- Aplicações em geração de imagens e áudio
- Projeto prático: Implementação de um modelo de difusão
Aprendizado por Reforço na IA Generativa
- Fundamentos do aprendizado por reforço
- Integração do aprendizado por reforço com modelos generativos
- Aplicações em design de jogos e geração procedural de conteúdo
- Projeto prático: Criação de conteúdo com aprendizado por reforço
Tópicos Avançados em Ética e Vieses
- Deepfakes e mídia sintética
- Detecção e mitigação de vieses em modelos generativos
- Considerações legais e éticas
Aplicações Específicas por Setor
- IA Generativa na saúde
- Indústrias criativas e entretenimento
- IA Generativa na pesquisa científica
Tendências de Pesquisa em IA Generativa
- Avanços e descobertas recentes
- Problemas em aberto e oportunidades de pesquisa
- Preparação para uma carreira em pesquisa na área de IA Generativa
Projeto Final
- Identificação de um problema adequado para a IA Generativa
- Preparação avançada de conjuntos de dados e augmentação
- Seleção, treinamento e ajuste fino do modelo
- Avaliação, iteração e apresentação do projeto
Resumo e Próximos Passos
Requisitos
- Compreensão dos conceitos fundamentais de aprendizado de máquina e algoritmos
- Experiência com programação em Python e uso básico do TensorFlow ou PyTorch
- Familiaridade com os princípios de redes neurais e aprendizado profundo
Público-Alvo
- Cientistas de dados
- Engenheiros de aprendizado de máquina
- Profissionais de IA
Testemunhos de Clientes (2)
O estilo interativo, os exercícios
Tamas Tutuntzisz
Curso - Introduction to Prompt Engineering
Máquina Traduzida
Um ótimo repositório de recursos para uso futuro, estilo do instrutor (cheio de bom senso de humor, excelente nível de detalhes)
Adam - GE Aerospace Poland Sp. z o.o.
Curso - Prompt Engineering for ChatGPT
Máquina Traduzida