Seleção da ferramenta ideal para o trabalho

É a sua vez de ser um "modelo discriminativo"! Um modelo discriminativo é capaz de classificar elementos, e é exatamente isso que você vai fazer a seguir. Classifique as tarefas a seguir de acordo com o tipo de modelo – generativo ou discriminativo – mais adequado para lidar com elas.

Este exercício faz parte do curso

Conceitos de IA Generativa

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Comece o exercício

Este exercício faz parte do curso

Conceitos de IA Generativa

InicianteNível de habilidade

4.8+

Iniciar curso gratuitamente

Familiarize-se com o conceito de IA generativa e sua capacidade de criar conteúdo, juntamente com suas aplicações e limitações no mundo real. Você vai conhecer melhor as diferenças entre os modelos tradicionais de aprendizado de máquina, a IA generativa e a inteligência artificial geral (IAG) e desvendar os principais fatores que impulsionam o desenvolvimento da IA generativa.

Exercise 1: O que significa IA generativa?Exercise 2: Introdução à IA generativa Exercise 3: Como trabalhar com um modelo de IA generativa Exercise 4: Aplicações da IA generativa Exercise 5: IA generativa no panorama de aprendizado de máquina Exercise 6: Seleção da ferramenta ideal para o trabalho

Exercício atual

Exercise 7: Diferenças entre IA generativa e ML tradicional Exercise 8: Mais cães e GANs Exercise 9: A evolução da IA generativa Exercise 10: Avanços na área Exercise 11: Transformadores Exercise 12: Avanços na IA generativa

Neste capítulo, abordamos as etapas essenciais da criação de modelos de IA generativa: pesquisa e projeto, coleta de dados, treinamento do modelo e avaliação. Examinamos a importância de conjuntos de dados diversificados e técnicas avançadas de treinamento, bem como vários métodos de avaliação, enquanto discutimos seus pontos fortes e limitações.

Exercise 1: Projeto do modelo e coleta de dados Exercise 2: Pesquisa e projeto Exercise 3: Surpresa em um conjunto de dados?Exercise 4: Treinamento do modelo Exercise 5: Fatores que afetam o treinamento do modelo Exercise 6: Técnicas para desenvolver modelos especializados Exercise 7: Avaliação do modelo Exercise 8: Animação da PixAIr Exercise 9: Ajudando a Intellibrand a fazer uma avaliação

Este capítulo se concentra no uso responsável da IA generativa. Discutimos os desafios e as estratégias para atenuar preconceitos sociais, questões de propriedade intelectual e privacidade e considerações éticas para evitar o uso indevido. Concluímos analisando o imenso potencial e os riscos da Inteligência Artificial Generativa (IAGen), além das abordagens para controlar seus resultados.

Exercise 1: Avaliação e atenuação de preconceitos sociais Exercise 2: Fontes de viés Exercise 3: Detecção e redução de vieses Exercise 4: Direitos autorais e titularidade Exercise 5: Considerações legais e de privacidade Exercise 6: Identificação de reivindicações de titularidade e PI Exercise 7: Aplicações da IA generativa responsável Exercise 8: Princípios de uso Exercise 9: Implementação de práticas de IA responsável Exercise 10: Inteligência Artificial Geral (IAG)Exercise 11: Características da IAG Exercise 12: Resultados da IAG

O Capítulo 4 examina o potencial, o impacto e a integração da IA generativa nos fluxos de trabalho humanos. São discutidos os principais colaboradores no desenvolvimento da IA, de universidades a empresas, e analisadas as adaptações sociais à IA. O capítulo também detalha as implicações da IA para a produtividade, a dinâmica do trabalho, a educação, a mídia, o entretenimento, os avanços científicos e considerações éticas.

Exercise 1: Como levar a nova IA a fluxos de trabalho antigos Exercise 2: Utilização da IA generativa na ciência de dados Exercise 3: Criação de uma nova campanha de marketing Exercise 4: Progressos na IA generativa Exercise 5: Código aberto: sim ou não?Exercise 6: Super Duper GANs Exercise 7: Como se preparar para um futuro com IA generativa Exercise 8: IA generativa no ensino Exercise 9: O valor das habilidades em um mundo de IA Exercise 10: Você conseguiu!