Generative AI inzetten voor data science

Zoals je hebt gezien, kun je generative AI op veel manieren inzetten: van het aanvullen van losse taken tot volledige automatisering. In deze oefening test je je begrip van AI-samenwerking door mogelijke toepassingen van generative AI in de workflow van een data scientist te categoriseren.

Deze oefening maakt deel uit van de cursus

Generatieve AI-concepten

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Deze oefening maakt deel uit van de cursus

Generatieve AI-concepten

SkillTag.level.beginnerSkillTag.label

4.8+

Begin gratis met de cursus

Maak kennis met het concept generatieve AI en het vermogen om content te creëren, samen met toepassingen in de praktijk en beperkingen. Je gaat in op de verschillen tussen traditionele machine learning-modellen, generatieve AI en artificial general intelligence (AGI), en verkent de belangrijkste factoren die de ontwikkeling van generatieve AI aanjagen.

Exercise 1: Wat is generatieve AI?Exercise 2: Kennismaken met generatieve AI Exercise 3: Werken met een generatief AI-model Exercise 4: Toepassingen van generatieve AI Exercise 5: Generative AI in het Machine Learning-landschap Exercise 6: De juiste tool voor de taak kiezen Exercise 7: Generatieve AI onderscheiden van traditionele ML Exercise 8: Meer honden en GAN's Exercise 9: De evolutie van generatieve AI Exercise 10: De vooruitgang van het vakgebied stimuleren Exercise 11: Transformers Exercise 12: Doorbraken in generatieve AI

In dit hoofdstuk behandelen we de essentiële stappen bij het maken van generatieve AI-modellen: onderzoek en ontwerp, gegevensverzameling, modeltraining en evaluatie. We bekijken het belang van diverse gegevenssets en geavanceerde trainingstechnieken, evenals verschillende evaluatiemethoden, en bespreken hun sterke punten en beperkingen.

Exercise 1: Modelontwerp en gegevensverzameling Exercise 2: Onderzoek en ontwerp Exercise 3: Een gegevensset-meevaller?Exercise 4: Modeltraining Exercise 5: Factoren die de modeltraining beïnvloeden Exercise 6: Technieken voor het ontwikkelen van gespecialiseerde modellen Exercise 7: Modelwaardering Exercise 8: PixAIr-animatie Exercise 9: Intellibrand helpen evalueren

Dit hoofdstuk richt zich op het verantwoord gebruik van generatieve AI. We bespreken de uitdagingen en strategieën om sociale vooringenomenheid te beperken, vraagstukken rond intellectueel eigendom en privacy, en ethische overwegingen om misbruik te voorkomen. We sluiten af met de enorme potentie en risico’s van Artificial General Intelligence (AGI), plus de manieren om de uitkomsten te sturen.

Exercise 1: Sociale bias beoordelen en verminderen Exercise 2: Bronnen van bias Exercise 3: Bias opsporen en beperken Exercise 4: Auteursrecht en eigendom Exercise 5: Juridische en privacy-overwegingen Exercise 6: IP-eigendomsclaims identificeren Exercise 7: Verantwoord gebruik van generatieve AI-toepassingen Exercise 8: Gebruiksprincipes Exercise 9: Verantwoordelijke AI-praktijken implementeren Exercise 10: Artificial general intelligence (AGI)Exercise 11: Kenmerken van AGI Exercise 12: AGI-resultaten

Hoofdstuk 4 onderzoekt het potentieel, de impact en de integratie van generatieve AI in menselijke workflows. Het bespreekt belangrijke spelers in AI-ontwikkeling, van universiteiten tot bedrijven, en verkent hoe de samenleving zich aanpast aan AI. Het gaat in op de gevolgen van AI voor productiviteit, arbeidsmarkt, onderwijs, media, entertainment, wetenschappelijke vooruitgang en ethische vraagstukken.

Exercise 1: Nieuwe AI in bestaande workflows integreren Exercise 2: Generative AI inzetten voor data science

Huidige oefening

Exercise 3: Een nieuwe marketingcampagne ontwerpen Exercise 4: Vooruitgang in generatieve AI Exercise 5: Wel of niet open-source maken Exercise 6: Super Duper GANs Exercise 7: Voorbereiden op een toekomst met generatieve AI Exercise 8: Generatieve AI in het onderwijs Exercise 9: De waarde van vaardigheden in een AI-wereld Exercise 10: Je bent er!