Course Outline

Εισαγωγή στο Generative AI

  • Καθορισμός γενετικής τεχνητής νοημοσύνης
  • Επισκόπηση των μοντέλων παραγωγής (GAN, VAE, κ.λπ.)
  • Εφαρμογές και μελέτες περιπτώσεων

Η ανάγκη για συνθετικά δεδομένα

  • Περιορισμοί πραγματικών δεδομένων
  • Ζητήματα απορρήτου και ασφάλειας
  • Βελτίωση της ευρωστίας του μοντέλου AI

Δημιουργία συνθετικών δεδομένων

  • Τεχνικές παραγωγής συνθετικών δεδομένων
  • Διασφάλιση ποιότητας και ποικιλομορφίας δεδομένων
  • Πρακτικό εργαστήριο: Δημιουργώντας το πρώτο σας συνθετικό σύνολο δεδομένων

Αξιολόγηση Συνθετικών Δεδομένων

  • Μετρήσεις για την αξιολόγηση της ποιότητας των συνθετικών δεδομένων
  • Σύγκριση απόδοσης συνθετικών έναντι πραγματικών δεδομένων
  • Ανάλυση περιπτωσιολογικής μελέτης

Ηθικές και νομικές πτυχές

  • Πλοήγηση στο ηθικό τοπίο
  • Νομικά πλαίσια και συμμόρφωση
  • Εξισορρόπηση της καινοτομίας με την υπευθυνότητα

Προηγμένα Θέματα στη Σύνθεση Δεδομένων

  • Συνθετικά δεδομένα για μάθηση χωρίς επίβλεψη
  • Σύνθεση δεδομένων μεταξύ τομέων
  • Μελλοντικές τάσεις στη γενετική τεχνητή νοημοσύνη

Capstone Project

  • Εφαρμογή της γνώσης σε σενάρια πραγματικού κόσμου
  • Ανάπτυξη στρατηγικής συνθετικών δεδομένων
  • Αξιολόγηση και ανατροφοδότηση

Περίληψη και Επόμενα Βήματα

Requirements

  • Κατανόηση βασικών εννοιών μηχανικής μάθησης
  • Εμπειρία στον προγραμματισμό Python
  • Εξοικείωση με τις ροές εργασίας της επιστήμης δεδομένων

Ακροατήριο

  • Επιστήμονες δεδομένων
  • Επαγγελματίες τεχνητής νοημοσύνης
 21 Hours

Number of participants


Price per participant

Upcoming Courses