Entrar em Contato

Programa do Curso

Introdução à IA Generativa

  • O que é IA Generativa?
  • História e evolução da IA Generativa
  • Conceitos-chave e terminologia
  • Visão geral das aplicações e do potencial da IA Generativa

Fundamentos de Aprendizado de Máquina

  • Introdução ao aprendizado de máquina
  • Tipos de aprendizado de máquina: Supervisionado, Não-Supervisionado e por Reforço
  • Algoritmos e modelos básicos
  • Pré-processamento de dados e engenharia de características

Noções Básicas de Deep Learning (Aprendizado Profundo)

  • Redes neurais e aprendizado profundo
  • Funções de ativação, funções de perda e otimizadores
  • Overfitting (sobreajuste), underfitting (subajuste) e técnicas de regularização
  • Introdução ao TensorFlow e PyTorch

Visão Geral dos Modelos Generativos

  • Tipos de modelos generativos
  • Diferenças entre modelos discriminativos e generativos
  • Casos de uso para modelos generativos

Autoencoders Variacionais (VAEs)

  • Compreensão dos autoencoders
  • A arquitetura dos VAEs
  • Espaço latente e sua importância
  • Projeto prático: Construindo um VAE simples

Redes Generativas Adversariais (GANs)

  • Introdução às GANs
  • A arquitetura das GANs: Gerador e Discriminador
  • Treinamento de GANs e desafios
  • Projeto prático: Criando uma GAN básica

Modelos Generativos Avançados

  • Introdução aos modelos Transformers
  • Visão geral dos modelos GPT (Transformers Geradores Pré-treinados)
  • Aplicações do GPT na geração de texto
  • Projeto prático: Geração de texto com um modelo GPT pré-treinado

Ética e Implicações

  • Considerações éticas na IA Generativa
  • Viés e justiça em modelos de IA
  • Implicações futuras e IA responsável

Aplicações Industriais da IA Generativa

  • IA Generativa na arte e criatividade
  • Aplicações nos negócios e marketing
  • IA Generativa na ciência e pesquisa

Projeto Final

  • Ideação e proposta de um projeto de IA generativa
  • Coleta e pré-processamento do conjunto de dados
  • Seleção e treinamento do modelo
  • Avaliação e apresentação dos resultados

Resumo e Próximos Passos

Requisitos

  • Compreensão dos conceitos básicos de programação em Python
  • Experiência com conceitos matemáticos básicos, especialmente probabilidade e álgebra linear

Público-Alvo

  • Desenvolvedores
 14 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas