Generative AI 1

Generative KI-Nano-Studiengang

Einführung und Überblick

Kenntnisse in generativen KI-Fähigkeiten wie Text- und Bildgenerierung, Deep-Learning-Grundlagen, NLP und Computer Vision sind in der heutigen Technologielandschaft von großem Wert. Diese Fähigkeiten ermöglichen es Einzelpersonen, innovative Lösungen in verschiedenen Bereichen wie der Verarbeitung natürlicher Sprache, der Bildsynthese und personalisierten Empfehlungssystemen zu entwickeln. Angesichts der wachsenden Nachfrage nach KI-gesteuerten Anwendungen in Branchen vom Gesundheitswesen bis zum Finanzwesen stattet die Beherrschung der generativen KI Fachleute mit der Fähigkeit aus, intelligente Systeme zu entwickeln, die Effizienz, Kreativität und Entscheidungsprozesse verbessern. Darüber hinaus gewährleistet das Verständnis der ethischen Implikationen von KI eine verantwortungsvolle Entwicklung und den Einsatz dieser Technologien und fördert so Vertrauen und Nachhaltigkeit in diesem Bereich.

Dieses Schulungsprogramm behandelt grundlegende Prinzipien und fortgeschrittene Praktiken der generativen KI. Es umfasst Themen zur Text- und Bildgenerierung mithilfe von Large Language Models (LLMs), Deep-Learning-Grundlagen, NLP, Computer Vision und ethischen Überlegungen. Durch praktische Projekte erwerben die Lernenden Fähigkeiten im Aufbau benutzerdefinierter Chatbots, KI-Fotobearbeitungstools und personalisierter Immobilienmakler.

Programmstruktur

Generative KI-Grundlagen:

• Einführung in die Grundlagen der generativen KI: Behandelt grundlegendes Wissen über generative KI, beliebte Algorithmen und Architekturen für die Text- und Bildgenerierung.

• Grundlagen des Deep Learning: Grundlagen des Deep Learning für Praktiker der generativen KI, einschließlich einer Einführung in die Bibliotheken PyTorch und Hugging Face.

• Grundlagenmodelle: Untersuchung von Grundlagenmodellen in der KI, ihrer Anwendung auf verschiedene Aufgaben und ethischen Implikationen.

• Anpassen von Fundamentmodellen: Techniken zum Anpassen von Fundamentmodellen, einschließlich prompter Abstimmung und Parameter-effizienter Feinabstimmung (PEFT).

  → Projekt: Leichte Feinabstimmung eines Fundamentmodells mithilfe von PEFT

Große Sprachmodelle (LLMs) und Textgenerierung:

• Einführung in LLMs: Arten von LLMs, Verständnis ihrer Einschränkungen und Fähigkeiten sowie Strategien für ein zeitnahes Engineering.

• NLP-Grundlagen: Grundlagen der Verarbeitung natürlicher Sprache, Textkodierung und -generierung.

• Transformatoren und Aufmerksamkeitsmechanismen: Erforschung von Transformatorarchitekturen, Aufmerksamkeitsmechanismen und modernen Transformatormodellen.

• Retrieval Augmented Generation: Erstellung eines benutzerdefinierten Q&A-Bots und Nutzung der Sprachverarbeitungsfunktionen von OpenAI.

• Erstellen Sie benutzerdefinierte Datensätze für LLMs: Erstellung relevanter Datensätze zur Feinabstimmung großer Sprachmodelle.

  → Projekt: Erstellen eines benutzerdefinierten Chatbots

Computer Vision und generative KI:

• Einführung in die Bilderzeugung: Definition der Bilderzeugung und ihre Relevanz für KI und maschinelles Lernen.

• Grundlagen der Bildverarbeitung: Verstehen, wie Computer Bilddaten verarbeiten und analysieren.

• Bildgenerierung und GANs: Erforschung von Generative Adversarial Networks (GANs) zur Bildgenerierung.

• Transformer-basierte Computer-Vision-Modelle: Vision-Transformatoren und ihre Anwendungen verstehen.

• Diffusionsmodelle: Grundlagen von Diffusionsalgorithmen und praktische Arbeit mit Huggingface-Diffusoren zur Bilderzeugung.

  → Projekt: KI-Fotobearbeitung mit Inpainting

Aufbau generativer KI-Lösungen:

• Einführung in die Erstellung generativer Apps: Entwurf und Implementierung generativer KI mithilfe großer Sprachmodelle.

• Aufbau generativer KI-Lösungen mit Vektordatenbanken: Kernkonzepte von Vektordatenbanken und ihre Anwendung in der KI.

• Entwicklung generativer KI-Lösungen mit LangChain: Erkundung des LangChain-Frameworks für die Arbeit mit großen Sprachmodellen.

  → Projekt: Personalisierter Immobilienmakler

Fähigkeiten

• Generative KI-Grundlagen : Generative KI-Fluenz • Bildklassifizierung • Transferlernen • Training neuronaler Netze • Hugging Face • Parametereffiziente Feinabstimmung • Prompt Engineering • Deep Learning • PyTorch • Grundlagenmodelle • Ethische KI

• Große Sprachmodelle (LLMs) und Textgenerierung : Together AI API • Suchimplementierung in Python • NLP-Transformatoren • Selenium • Große Sprachmodelle • Datenbereinigung • Verarbeitung natürlicher Sprache • OpenAI API • Transformer neuronale Netze • Prompt Engineering • Tokenisierung • Kosinusähnlichkeit • API-Anfragen • Wiederkehrende neuronale Netze • Aufmerksamkeitsmechanismen • Textgenerierung • Datenqualitätsbewertung • Worteinbettungen • Daten-Scraping

• Computer Vision und generative KI : Bildvorverarbeitung • Transferlernen • Worteinbettungen • Ethische KI • Diffusionsmodelle • YOLO-Algorithmus • Modellbewertung • Textgenerierung • Computer Vision-Flüssigkeit • Bildklassifizierung • Große Sprachmodelle • Pandas • Bildgenerierung • Neuronales Training Netzwerke • Faltungs-Neuronale Netzwerke • Parametereffiziente Feinabstimmung • Bildsegmentierung • Computer Vision Transformers • Tokenisierung • Datenqualitätsbewertung • Generative gegnerische Netzwerke

• Entwicklung generativer KI-Lösungen : Vektoren • Retrieval-Augmented Generation • OpenAI API • LangChain