Ce cours présente les concepts fondamentaux et les techniques avancées en IA générative, couvrant des sujets clés tels que les architectures de modèles, la préparation des données, l'ingénierie de requête et les stratégies de déploiement. Les apprenants acquerront une expérience pratique avec des outils et des méthodologies de pointe pour concevoir, affiner et déployer efficacement des solutions d'IA générative. À la fin de ce cours, vous serez en mesure de : - Définir les principes fondamentaux de l'IA générative, y compris les modèles, les algorithmes et les applications - Appliquer des techniques de prétraitement des données et de vectorisation pour améliorer les modèles d'IA générative - Évaluer les forces et les faiblesses des GAN, des autoencodeurs, des transformateurs et des LLM - Concevoir des méthodes d'évaluation pour améliorer les performances des modèles - Analyser et optimiser les techniques d'incitation pour améliorer les performances des modèles - Concevoir des méthodes d'évaluation pour améliorer les performances des modèles.
S'initier à l'IA générative
S'initier à l'IA générative
Ce cours fait partie de Spécialisation "IA générative pour les ingénieurs logiciels et les développeurs"
Instructeur : Edureka
1 651 déjà inscrits
Inclus avec
Expérience recommandée
Ce que vous apprendrez
Définir les principes de l'IA générative et appliquer les techniques de préparation des données, de vectorisation et de construction de modèles.
Analyser et comparer des modèles tels que les réseaux antagonistes génératifs (GAN), les systèmes d'évaluation de la performance (VAE), les transformateurs et les mécanismes d'apprentissage à long terme (LLM) pour des applications pratiques.
Concevoir des incitations efficaces à l'aide des techniques "few-shot", "zero-shot" et "chain-of-thought" pour les modèles d'IA.
Optimiser et déployer des modèles IA génératifs en utilisant des stratégies de réglage fin, PEFT et LLMOps.
Compétences que vous acquerrez
- Catégorie : Data Processing
- Catégorie : Embeddings
- Catégorie : Responsible AI
- Catégorie : Generative Model Architectures
- Catégorie : Deep Learning
- Catégorie : Data Cleansing
- Catégorie : Data Preprocessing
- Catégorie : Model Evaluation
- Catégorie : Transfer Learning
- Catégorie : Large Language Modeling
- Catégorie : Open Source Technology
- Catégorie : Artificial Intelligence and Machine Learning (AI/ML)
- Catégorie : AI Personalization
- Catégorie : Data Visualization
- Catégorie : Machine Learning
Outils que vous découvrirez
- Catégorie : Generative AI
- Catégorie : Database Systems
- Catégorie : Model Deployment
- Catégorie : Prompt Engineering
- Catégorie : Generative Adversarial Networks (GANs)
Détails à connaître
Ajouter à votre profil LinkedIn
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
En savoir plus sur Apprentissage automatique
Alberta Machine Intelligence Institute
Alberta Machine Intelligence Institute
Duke University
University of Colorado Boulder
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.