内容
0 课时 • 0 测验 • 0 挑战
课程暂未关联课时
当前课程存在，但没有可学习的课时内容。请稍后再试。
☆☆☆☆☆
0.0高级
16h
使用 Python 和 TensorFlow 2 实现生成式人工智能
随着机器学习和深度学习的最新进展，生成式建模在研究工作数量及其跨领域应用方面均取得了显著增长。一些较新的方法（例如生成对抗网络GANs）虽然功能强大，但难以控制，使得整个学习过程既令人兴奋又充满挑战。 在本课程中，你将探索生成式人工智能，这是一种利用先进的机器学习算法生成合成数据（却具有惊人真实感）的前沿技术。你将学习其理论基础，并通过实际示例了解这些模型的潜力与影响。同时，你还将使用多种开源技术实现这些模型，包括Python编程语言、用于深度神经网络开发的TensorFlow 2库，以及Google Colab和Kubeflow项目等云计算资源。 学习本课程将帮助学习者更轻松地深入探索复杂主题和前沿研究。
16 课时
使用 Python 和 TensorFlow 2 实现生成式人工智能
随着机器学习和深度学习的最新进展，生成式建模在研究工作数量及其跨领域应用方面均取得了显著增长。一些较新的方法（例如生成对抗网络GANs）虽然功能强大，但难以控制，使得整个学习过程既令人兴奋又充满挑战。
在本课程中，你将探索生成式人工智能，这是一种利用先进的机器学习算法生成合成数据（却具有惊人真实感）的前沿技术。你将学习其理论基础，并通过实际示例了解这些模型的潜力与影响。同时，你还将使用多种开源技术实现这些模型，包括Python编程语言、用于深度神经网络开发的TensorFlow 2库，以及Google Colab和Kubeflow项目等云计算资源。
学习本课程将帮助学习者更轻松地深入探索复杂主题和前沿研究。
随着机器学习和深度学习的最新进展，生成式建模在研究工作数量及其跨领域应用方面均取得了显著增长。一些较新的方法（例如生成对抗网络GANs）虽然功能强大，但难以控制，使得整个学习过程既令人兴奋又充满挑战。
在本课程中，你将探索生成式人工智能，这是一种利用先进的机器学习算法生成合成数据（却具有惊人真实感...
你将学到什么
了解生成式模型，包括其应用、概率原理以及生成式人工智能中使用的各种技术。
熟悉深度学习，包括感知机、反向传播、卷积神经网络（CNN）和循环神经网络（RNN）。
使用 TensorFlow 2 实践实现生成式 AI 模型
熟悉生成式AI的新兴应用
了解生成式模型，包括其应用、概率原理以及生成式人工智能中使用的各种技术。
评价
阅读参加过此课程的学生的评价，并分享您的学习体验。