Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução a Generative AI
- O que é Generative AI?
- História e evolução de Generative AI
- Conceitos-chave e terminologia
- Panorama das aplicações e potencialidades de Generative AI
Fundamentos de Machine Learning
- Introdução à aprendizagem automática
- Tipos de aprendizagem automática: Supervisionada, não supervisionada e Reinforcement Learning
- Algoritmos e modelos básicos
- Pré-processamento de dados e engenharia de características
Deep Learning Noções básicas
- Redes neuronais e aprendizagem profunda
- Funções de ativação, funções de perda e optimizadores
- Técnicas de sobreajuste, subajuste e regularização
- Introdução a TensorFlow e PyTorch
Visão geral dos modelos generativos
- Tipos de modelos generativos
- Diferenças entre modelos discriminativos e generativos
- Casos de utilização de modelos generativos
Autoencodificadores variacionais (VAEs)
- Compreender os autoencoders
- A arquitetura dos VAEs
- O espaço latente e o seu significado
- Projeto prático: Construir um VAE simples
Redes Adversariais Generativas (GANs)
- Introdução às GANs
- A arquitetura das GANs: Gerador e Discriminador
- Treino de GANs e desafios
- Projeto prático: Criação de um GAN básico
Modelos generativos avançados
- Introdução aos modelos de transformador
- Visão geral dos modelos GPT (Generative Pretrained Transformer)
- Aplicações de GPT na geração de texto
- Projeto prático: Geração de texto com um modelo GPT pré-treinado
Ética e implicações
- Considerações éticas em Generative AI
- Preconceitos e equidade nos modelos de IA
- Implicações futuras e IA responsável
Indústria Aplicações de Generative AI
- Generative AI na arte e na criatividade
- Aplicações no mundo dos negócios e do marketing
- Generative AI na ciência e na investigação
Projeto de base
- Ideação e proposta de um projeto de IA generativa
- Recolha e pré-processamento de conjuntos de dados
- Seleção e treino de modelos
- Avaliação e apresentação de 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
- Programadores
14 Horas