Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Inleiding tot Generative AI
- Wat is Generative AI?
- Geschiedenis en evolutie van Generative AI
- Kernbegrippen en terminologie
- Overzicht van toepassingen en mogelijkheden van Generative AI
Grondbeginselen van Machine Learning
- Inleiding tot machine learning
- Soorten machine learning: onder toezicht, zonder toezicht en Reinforcement Learning
- Basisalgoritmen en -modellen
- Voorverwerking van gegevens en functie-engineering
Deep Learning Basisinformatie
- Neurale netwerken en deep learning
- Activeringsfuncties, verliesfuncties en optimizers
- Overmontage-, ondermontage- en regularisatietechnieken
- Inleiding tot TensorFlow en PyTorch
Overzicht van generatieve modellen
- Typen generatieve modellen
- Verschillen tussen discriminerende en generatieve modellen
- Gebruiksscenario's voor generatieve modellen
Variationele auto-encoders (VAE's)
- Inzicht in auto-encoders
- De architectuur van VAE's
- Latente ruimte en de betekenis ervan
- Hands-on project: Het bouwen van een eenvoudige elektrische fiets
Generatieve vijandige netwerken (GAN's)
- Inleiding tot GAN's
- De architectuur van GAN's: Generator en Discriminator
- Training GAN's en uitdagingen
- Hands-on project: Het maken van een basis GAN
Geavanceerde generatieve modellen
- Inleiding tot Transformer-modellen
- Overzicht van GPT-modellen (Generative Pretrained Transformer)
- Toepassingen van GPT bij het genereren van tekst
- Hands-on project: Tekstgeneratie met een vooraf getraind GPT-model
Ethiek en implicaties
- Ethische overwegingen in Generative AI
- Vooringenomenheid en eerlijkheid in AI-modellen
- Toekomstige implicaties en verantwoorde AI
Industriële toepassingen van Generative AI
- Generative AI In kunst en creativiteit
- Toepassingen in business en marketing
- Generative AI In wetenschap en onderzoek
Sluitstuk Project
- Ideevorming en voorstel van een generatief AI-project
- Verzameling en voorbewerking van gegevenssets
- Modelselectie en training
- Evaluatie en presentatie van de resultaten
Samenvatting en volgende stappen
Vereisten
- Een goed begrip van de basisconcepten van programmeren in Python
- Ervaring met wiskundige basisconcepten, in het bijzonder kansrekening en lineaire algebra
Audiëntie
- Ontwikkelaars
14 Uren
