Entrar em Contato

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
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas