Programa do Curso

Introdução

  • O que é a IA generativa?
  • IA generativa versus outros tipos de IA
  • Panorâmica das principais técnicas e modelos de IA generativa
  • Aplicações e casos de utilização da IA generativa
  • Desafios e limitações da IA generativa

Criar imagens com IA generativa

  • Gerar imagens a partir de descrições de texto
  • Utilização de GANs para criar imagens realistas e diversificadas
  • Utilização de VAEs para criar imagens com variáveis latentes
  • Utilizar a transferência de estilo para aplicar estilos artísticos a imagens

Criar texto com IA generativa

  • Gerar texto a partir de instruções de texto
  • Utilização de modelos baseados em transformadores para criar texto com contexto e coerência
  • Utilizar a sumarização de texto para criar resumos concisos de textos longos
  • Utilizar a paráfrase de texto para criar diferentes formas de expressar o mesmo significado

Criar áudio com IA generativa

  • Gerar discurso a partir de texto
  • Gerar texto a partir do discurso
  • Gerar música a partir de texto ou áudio
  • Geração de discurso com uma voz específica

Criar outros conteúdos com IA generativa

  • Geração de código a partir de linguagem natural
  • Geração de esboços de produtos a partir de texto
  • Geração de vídeo a partir de texto ou imagens
  • Geração de modelos 3D a partir de texto ou imagens

Avaliar a IA generativa

  • Avaliar a qualidade e a diversidade dos conteúdos na IA generativa
  • Utilizar métricas como a pontuação de início, a distância de início de Fréchet e a pontuação BLEU
  • Utilizar a avaliação humana através de crowdsourcing e inquéritos
  • Aplicar métodos de avaliação adversários, como testes de Turing e discriminadores

Compreender as implicações éticas e sociais da IA generativa

  • Garantir a equidade e a responsabilidade
  • Evitar a má utilização e o abuso
  • Respeitar os direitos e a privacidade dos criadores de conteúdos e dos consumidores
  • Promover a criatividade e a colaboração entre humanos e IA

Resumo e próximas etapas

Requisitos

  • Conhecimento dos conceitos e da terminologia básicos da IA
  • Experiência em programação Python e análise de dados
  • Familiaridade com estruturas de aprendizagem profunda, como TensorFlow ou PyTorch

Público-alvo

  • Cientistas de dados
  • Programadores de IA
  • Entusiastas de IA
 14 horas

Cursos Relacionados

LangChain: Building AI-Powered Applications

14 horas

LangChain Fundamentals

14 horas

Small Language Models (SLMs): Applications and Innovations

14 horas

Small Language Models (SLMs) for Domain-Specific Applications

28 horas

Small Language Models (SLMs): Developing Energy-Efficient AI

21 horas

Small Language Models (SLMs) for Human-AI Interactions

14 horas

Small Language Models (SLMs) for On-Device AI

21 horas

Introduction to Google Gemini AI

14 horas

Google Gemini AI for Content Creation

14 horas

Google Gemini AI for Transformative Customer Service

14 horas

Google Gemini AI for Data Analysis

21 horas

Generative AI with Large Language Models (LLMs)

21 horas

LlamaIndex: Enhancing Contextual AI

14 horas

LlamaIndex: Developing LLM Powered Applications

42 horas

Introduction to Large Language Models (LLMs)

14 horas

Categorias Relacionadas