Generative AI'yi geleneksel ML'den ayırmak

Videoda ayrıştırıcı (discriminative) ve üretken (generative) modellerin yanı sıra yapay genel zekâ (AGI) ile ilgili temel özellikler ele alındı. Farklı AI model mimarilerini ve bileşenlerini gözden geçirmek için etkileşimli uygulamayı keşfet.

Aşağıdakilerden hangisi generative AI model yapısını açıklar?

Bu egzersiz, kursun bir parçasıdır

Üretken Yapay Zeka Kavramları

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla

Bu egzersiz, kursun bir parçasıdır

Üretken Yapay Zeka Kavramları

InicianteNível de habilidade

4.8+

Kursa Ücretsiz Başla

Üretken yapay zeka kavramı ve gerçek hayattaki uygulamaları ile sınırlamalarının yanı sıra içerik oluşturma yeteneği ile tanışın. Geleneksel makine öğrenimi modelleri, üretken yapay zeka ve genel yapay zeka (AGI) arasındaki farkları derinlemesine inceleyecek ve üretken yapay zekanın gelişimini yönlendiren temel faktörleri keşfedeceksiniz.

Exercise 1: Üretken yapay zeka nedir?Exercise 2: Üretken yapay zekaya giriş Exercise 3: Üretken yapay zeka modeliyle çalışma Exercise 4: Üretken yapay zeka uygulamaları Exercise 5: Makine öğrenmesi ortamında üretken yapay zeka Exercise 6: İş için doğru aracı seçmek Exercise 7: Generative AI'yi geleneksel ML'den ayırmak

Geçerli egzersiz

Exercise 8: Daha fazla köpek ve GAN Exercise 9: Üretken yapay zekanın gelişimi Exercise 10: Sahayı ileriye taşımak Exercise 11: Dönüştürücüler Exercise 12: Üretken yapay zeka atılımları

Bu bölümde üretken yapay zeka modelleri oluşturmanın şu temel adımlarını ele alıyoruz: araştırma ve tasarım, veri toplama, model eğitimi ve değerlendirme. Farklı veri kümelerinin ve gelişmiş eğitim tekniklerinin yanı sıra çeşitli değerlendirme yöntemlerinin önemini incelerken, bunların güçlü yönlerini ve sınırlamalarını tartışacağız.

Exercise 1: Model tasarımı ve veri toplama Exercise 2: Araştırma ve tasarım Exercise 3: Veri kümesi talih kuşu mu?Exercise 4: Model eğitimi Exercise 5: Model eğitimini etkileyen faktörler Exercise 6: Özel modeller geliştirmeye yönelik teknikler Exercise 7: Model değerlendirmesi Exercise 8: PixAIr animasyon Exercise 9: Intellibrand'in değerlendirmesine yardımcı olmak

Bu bölüm, üretken yapay zekanın sorumlu kullanımına odaklanacak. Toplumsal önyargıları, fikri mülkiyet ve gizlilik sorunlarını ve kötüye kullanımı önlemeyi amaçlayan etik hususları azaltmaya yönelik sorunları ve stratejileri tartışacağız. Son olarak, Yapay Üretken Zeka’nın (AGI) muazzam potansiyelini ve risklerini, bununla birlikte sonuçlarını kontrol etmeye yönelik yaklaşımları ele alıyoruz.

Exercise 1: Toplumsal önyargıları değerlendirme ve azaltma Exercise 2: Yanlılık kaynakları Exercise 3: Yanlılığın tespit edilmesi ve azaltılması Exercise 4: Telif hakkı ve mülkiyet Exercise 5: Hukuk ve gizlilikle ilgili hususlar Exercise 6: Fikri mülkiyet (IP) sahipliği iddialarını belirleme Exercise 7: Sorumlu üretken yapay zeka uygulamaları Exercise 8: Kullanım ilkeleri Exercise 9: Sorumlu yapay zeka uygulamalarının hayata geçirilmesi Exercise 10: Genel yapay zeka (AGI)Exercise 11: AGI'nin özellikleri Exercise 12: AGI sonuçları

Bölüm 4’te üretken yapay zekanın potansiyelini, etkisini ve iş akışlarına entegrasyonunu inceliyoruz. Üniversitelerden şirketlere kadar yapay zekanın gelişimine katkıda bulunan temel unsurları tartışıyor ve toplumun yapay zekaya nasıl adapte olduğunu inceliyoruz. Yapay zekanın üretkenlik, iş dinamikleri, eğitim, medya, eğlence, bilimsel gelişmeler ve etik konular üzerindeki etkilerine bakıyoruz.

Exercise 1: Eski iş akışlarına yeni yapay zekayı getirme Exercise 2: Veri bilimi için üretken yapay zekadan yararlanma Exercise 3: Yeni bir pazarlama kampanyası tasarlama Exercise 4: Üretken yapay zekada ilerleme Exercise 5: Açık kaynaklı olmak ya da olmamak Exercise 6: Süper Ötesi GAN'ler Exercise 7: Üretken yapay zekanın geleceğine hazırlanma Exercise 8: Eğitimde üretken yapay zeka Exercise 9: Yapay zeka dünyasında becerilerin değeri Exercise 10: Başardınız!