Hubungi Kami

Kerangka Materi

Tinjauan Dasar-dasar AI Generatif

  • Ringkasan konsep-konsep utama dalam AI generatif
  • Aplikasi canggih serta studi kasus terkait

Pembahasan Mendalam tentang Jaringan Adversarial Generatif (GAN)

  • Studi mendalam mengenai arsitektur GAN
  • Teknik-teknik untuk meningkatkan proses pelatihan GAN
  • Penggunaan GAN bersyarat dan aplikasinya
  • Proyek praktis: Merancang arsitektur GAN yang kompleks

Autoencoder Variasional Tingkat Lanjut (VAE)

  • Menjelajahi batas-batas penerapan VAE
  • Representasi yang terpisah dalam struktur VAE
  • Konsep Beta-VAE dan maknanya dalam konteks tertentu
  • Proyek praktis: Membangun model VAE tingkat lanjut

Transformer dan Model Generatif

  • Pemahaman mengenai arsitektur Transformer
  • Pemanfaatan GPT serta BERT untuk tugas-tugas generatif
  • Strategi penyesuaian model agar cocok dengan kebutuhan tertentu
  • Proyek praktis: Menyesuaikan model GPT untuk suatu bidang khusus

Model Difusi

  • Pengenalan dasar mengenai konsep model difusi
  • Metode pelatihan model difusi
  • Pemanfaatan dalam penciptaan gambar maupun audio
  • Proyek praktis: Implementasi model difusi secara mandiri

Pembelajaran Penguatan dalam AI Generatif

  • Dasar-dasar pembelajaran penguatan
  • Integrasi pendekatan ini dengan model generatif
  • Penerapan dalam perancangan permainan maupun pembuatan konten otomatis
  • Proyek praktis: Menciptakan konten melalui pendekatan pembelajaran penguatan

Topik Etika dan Bias dalam AI Generatif

  • Isu-isu terkait deepfake serta media sintetis
  • Cara mengidentifikasi dan meredam bias yang muncul dalam model generatif
  • Pertimbangan hukum serta etika yang harus diperhatikan

Aplikasi Spesifik Berdasarkan Sektor Industri

  • Penerapan AI generatif dalam bidang kesehatan
  • Peran teknologi ini di industri kreatif dan hiburan
  • Penggunaannya untuk kemajuan riset ilmiah

Tren Penelitian dalam AI Generatif

  • Kemajuan terbaru serta temuan penting di bidang ini
  • Masalah yang masih perlu diselesaikan beserta peluang penelitiannya
  • Persiapan memasuki karier sebagai peneliti AI generatif

Proyek Akhir Kursus

  • Identifikasi masalah yang tepat untuk diterapkan dalam konteks AI generatif
  • Persiapan serta pengayaan dataset dengan teknik canggih
  • Pemilihan model, proses pelatihan, hingga penyempurnaannya
  • Evaluasi hasil akhir proyek beserta presentasinya

Kesimpulan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mendasar mengenai konsep serta algoritma pembelajaran mesin
  • Pengalaman dalam memprogram menggunakan Python dan kemampuan dasar mengoperasikan TensorFlow atau PyTorch
  • Pengetahuan mengenai prinsip-prinsip jaringan saraf dan pembelajaran mendalam

Target Peserta

  • Ilmuwan data
  • Insinyur pembelajaran mesin
  • Praktisi AI
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait