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

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas