Struttura del corso

Introduzione

  • Che cos'è l'IA generativa?
  • IA generativa vs altri tipi di IA
  • Panoramica delle principali tecniche e modelli dell'IA generativa
  • Applicazioni e casi d'uso dell'IA generativa
  • Sfide e limiti dell'IA generativa

Creazione di immagini con l'intelligenza artificiale generativa

  • Generazione di immagini da descrizioni testuali
  • Utilizzo delle GAN per creare immagini realistiche e diversificate
  • Utilizzo di VAE per creare immagini con variabili latenti
  • Utilizzo del trasferimento di stile per applicare stili artistici alle immagini

Creazione di testo con l'intelligenza artificiale generativa

  • Generazione di testo da prompt di testo
  • Utilizzo di modelli basati su trasformatori per creare testo con contesto e coerenza
  • Utilizzo del riassunto del testo per creare riassunti concisi di testi lunghi
  • Usare la parafrasi del testo per creare modi diversi di esprimere lo stesso significato

Creare audio con l'IA generativa

  • Generazione di voce da testo
  • Generazione di testo dalla voce
  • Generazione di musica da testo o audio
  • Generazione di voce con una voce specifica

Creazione di altri contenuti con l'IA generativa

  • Generazione di codice dal linguaggio naturale
  • Generazione di schizzi di prodotti dal testo
  • Generazione di video da testo o immagini
  • Generazione di modelli 3D da testo o immagini

Valutazione dell'IA generativa

  • Valutare la qualità e la diversità dei contenuti nell'IA generativa
  • Utilizzo di metriche come il punteggio di inizio, la distanza di nascita di Fréchet e il punteggio BLEU
  • Utilizzo della valutazione umana attraverso il crowdsourcing e i sondaggi
  • Applicazione di metodi di valutazione contraddittori, come i test di Turing e i discriminatori,

Comprendere le implicazioni etiche e sociali dell'IA generativa

  • Garantire l'equità e la responsabilità
  • Evitare l'uso improprio e l'abuso
  • Rispetto dei diritti e della privacy dei creatori di contenuti e dei consumatori
  • Promuovere la creatività e la collaborazione tra l'uomo e l'IA

Riepilogo e prossime tappe

Requisiti

  • Comprensione dei concetti e della terminologia di base dell'IA
  • Esperienza con Python programmazione e analisi dei dati
  • Familiarità con framework di deep learning come TensorFlow o PyTorch

Pubblico

  • Scienziati dei dati
  • Sviluppatori di intelligenza artificiale
  • Appassionati di IA
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative