掌握生成式人工智能：解锁人工智能驱动的创新

本课程旨在揭开生成人工智能世界的神秘面纱，让学习者掌握生成式人工智能的关键概念和先进技术。无论您是新手还是经验丰富的专业人士，本课程都会为您提供结构化的旅程，让您深入了解生成式AI领域。Master Generative Ai: Unlock Ai-Powered Innovation

课程共分为八部分，每一部分都深入探讨了不同的主题。第一部分介绍了人工智能的基础知识，探索了不同类型的学习和深度学习的意义。同时，本部分还对生成式人工智能及其实际应用进行了引人入胜的探索，并提供了深度学习的实践演示。

第二部分介绍了生成模型，为理解其生成模型奠定了坚实的基础。本部分深入研究了生成模型的多样性，并通过引人入胜的测验来测试您的知识。

第三部分通过对生成对抗网络 (GAN) 的详细检查，深入到生成人工智能的核心。本部分让您了解它们的组件，探索变体，并见证生成器和鉴别器动力学的现场演示。同时，还解决了 GAN 中的挑战、道德考虑因素和未来趋势，并通过富有洞察力的测验测试您的知识。

第四部分带您踏上变分自动编码器 (VAE) 之旅，探索其架构、训练方法和实际应用。本部分让您观看展示 VAE 实际应用的精彩演示，并通过测验巩固您的理解。

第五部分揭示了自动编码器的架构、训练过程和实际应用程序。通过现场演示体验自动编码器在图像压缩和去噪方面的强大功能，并通过综合测验评估您的知识。

第六部分介绍了大型语言模型 (LLM) 并深入研究其架构。本部分探索法学硕士的未来可能性并见证其在现实世界中的应用。同时，有一个测验正在等待挑战您的理解力。

第七部分探索基于 Transformer 的生成模型的变革力量。从它们的介绍到实际应用，包括文本生成、翻译、情感分析和创意内容生成，这一部分充满了知识。参与动手演示并通过测验测试您的理解程度。

最后一部分将所有内容结合在一起，并深入探讨即时工程。学习基础知识，设计有效的提示，并探索各种提示模式。涵盖现实世界的应用程序和先进技术，并通过测验来巩固您的专业知识。踏上掌握生成式人工智能的旅程，并释放创造突破性解决方案的潜力。立即报名，成为一名熟练的生成式人工智能从业者！

课程时长：3.5小时 1920X1080 mp4 语言：英语+中英文字幕（云桥CG资源站 机译）

您将学到什么
生成模型的实际实现：获得构建和训练生成模型（包括 GAN 和 VAE）的实践经验。
熟练掌握生成式 AI 概念：深入了解生成式 AI 基础知识，包括生成模型、判别模型
利用大型语言模型 (LLM)：学习如何利用大型语言模型 (LLM) 的力量来实现实际应用。实施前沿的法学硕士
道德考虑因素和最佳实践：获取有关人工智能和生成模型中的道德考虑因素的知识，包括偏见和公平问题。

要求
1. 基本编程知识：熟悉编程语言，最好是Python。建议了解基本编程概念。2. 数学和统计基础：基本掌握数学，包括线性代数和微积分，有利于理解人工智能概念。3. 机器学习基础知识：机器学习基础知识（包括神经网络）的先验知识是有帮助的，但不是强制性的。4. 获取所需工具：获取能够安装必要软件的计算机，例如 Python、TensorFlow 和 PyTorch。5. 好奇心和热情：探索令人兴奋的生成人工智能世界的强烈愿望以及对学习和解决问题的热情至关重要。这些先决条件确保学生拥有有效学习课程材料并充分利用学习经验所需的基础知识。

本课程适用于人工智能爱好者：如果您对人工智能着迷，并希望加深对生成式人工智能领域的理解和技能，那么本课程就是为您量身定制的。开发人员和程序员：寻求探索生成式人工智能并提高编码能力，特别是在实际项目中实现生成模型的软件开发人员和程序员。数据科学家和分析师：有兴趣将生成式人工智能技术集成到数据分析、可视化和报告生成中的数据专业人员。自然语言处理 (NLP) 专家：NLP 专家旨在使用最新的大语言模型 (LLM) 增强文本生成和语言理解能力。内容创作者和创意人员：希望在创意项目（例如生成艺术、音乐和故事）中采用生成式人工智能的作家、艺术家、音乐家和内容创作者。企业家和创新者：正在探索利用生成式人工智能进行产品开发、营销和业务增长的创新者和企业家。学生和研究人员：人工智能及相关学科领域的学生和研究人员，以及从事学术和行业研究、希望保持在不断发展的人工智能领域最前沿的专业人士。技术爱好者：对人工智能的潜力感兴趣并渴望探索和实验生成模型的精通技术的个人。本课程适合希望打下坚实基础的初学者和希望扩展专业知识的经验丰富的个人。无论您是渴望创建创新的人工智能项目、推进您的职业生涯，还是只是满足您的好奇心，本课程都能为您提供在生成人工智能领域脱颖而出所需的知识和技能。

课程概览：
第 1 部分：生成式 AI 简介

第 1 讲欢迎和课程概述

第2讲人工智能简介

讲座 3 人工智能的学习类型

第4讲神经网络简介

第5讲深度学习简介

第六讲 生成式人工智能及其应用和重要性

第七讲演示-深度学习

第 2 部分：生成模型简介

第8讲模型介绍

第9讲什么是生成模型？

第10讲探索生成模型的多样性

第 3 节：生成对抗网络 (GAN)

第11讲GAN（生成对抗网络）简介

第 12 讲 GAN 组件和变体

第13讲生成模型的多样性

讲座 14 演示生成器和鉴别器

第15讲挑战、道德考虑和未来趋势

第 4 节：变分自动编码器 (VAE)

第 16 讲 VAE 变体简介（CVAE、VQ-VAE）

第 17 讲演示：用于 MNIST 数字重建的变分自动编码器 (VAE)。

第 5 节：自动编码器

第 18 课 什么是自动编码器？

第 19 讲 基于自动编码器的图像压缩和去噪演示

第 6 节：生成人工智能中的大型语言模型

第 20 讲 大型语言模型 (LLM) 简介

第21讲解读法学硕士的架构

第 7 节：基于 Transformer 的生成模型

第22讲基于Transformer的生成模型

第 23 讲 基于 Transformer 的生成模型的示例

第 24 讲 基于 Demo-Transformer 的翻译器

第 25 讲 基于 Demo-Transformer 的情感分析

讲座 26 演示使用生成式 AI 生成创意内容

第 27 讲 基于 Demo-Transformer 的文本生成

第 8 节：掌握快速工程

第28讲即时工程简介

第29讲即时设计基础知识

讲座 30 文本生成的快速工程

第31讲评估和改进提示

第32讲即时工程的实际应用

第33讲提示模式

讲座 34 角色模式

第35讲 问题细化模式

讲座 36 受众角色模式