آموزش پیمایش موانع هوش مصنوعی مولد: نمونه سازی، ارزیابی و اخلاق
Navigating Generative AI Hurdles: Prototyping, Evaluation, and Ethics
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
سرفصل ها و درس ها
بررسی اجمالی دوره Course Overview
-
بررسی اجمالی دوره Course Overview
نمونه سازی برنامه های کاربردی هوش مصنوعی Prototyping Generative AI Applications
-
مقدمه و بررسی اجمالی Introduction and Overview
-
آنچه در این دوره خواهید آموخت What You Will Learn in This Course
-
سناریوی دوره Course Scenario
-
اهمیت نمونه سازی (اصول) Prototyping Significance (Principles)
-
مراحل نمونه سازی (اصول) Prototyping Steps (Principles)
-
تکنیک های نمونه سازی (اصول) Prototyping Techniques (Principles)
-
اثربخشی نمونه سازی (اصول) Prototyping Effectiveness (Principles)
-
نسخه ی نمایشی: نمونه سازی یک اسکریپت هوش مصنوعی با استفاده از پایتون (قسمت 1: ساختار پروژه) Demo: Prototyping a Generative AI Script Using Python (Part 1: Project Structure)
-
نسخه ی نمایشی: نمونه سازی یک اسکریپت هوش مصنوعی با استفاده از پایتون (قسمت 2: ساختار کد) Demo: Prototyping a Generative AI Script Using Python (Part 2: Code Structure)
-
نسخه ی نمایشی: نمونه سازی یک اسکریپت هوش مصنوعی با استفاده از پایتون (قسمت 3: تولید کننده نمونه اولیه) Demo: Prototyping a Generative AI Script Using Python (Part 3: Prototype Generator)
-
خلاصه Summary
ارزیابی برنامه های کاربردی هوش مصنوعی Evaluating Generative AI Applications
-
مقدمه و بررسی اجمالی Introduction and Overview
-
اهمیت ارزشیابی (اصول) Evaluation Importance (Principles)
-
روشهای مختلف ارزشیابی (اصول) Different Evaluation Methods (Principles)
-
اعمال روش های ارزشیابی (اصول) Apply Evaluation Methods (Principles)
-
درک نتایج ارزیابی (اصول) Understand Evaluation Results (Principles)
-
نسخه ی نمایشی: ارزیابی یک اسکریپت هوش مصنوعی با استفاده از پایتون Demo: Evaluating a Generative AI Script Using Python
-
خلاصه Summary
سفارشی سازی برنامه های کاربردی هوش مصنوعی Customizing Generative AI Applications
-
مقدمه و بررسی اجمالی Introduction and Overview
-
اهمیت سفارشی سازی (اصول) Customization Importance (Principles)
-
عوامل سفارشی سازی (اصول) Customizations Factors (Principles)
-
تکنیک های سفارشی سازی (اصول) Customization Techniques (Principles)
-
نسخه ی نمایشی: مراحل سفارشی سازی با پایتون Demo: Customization Steps with Python
-
خلاصه Summary
ملاحظات اخلاقی در هوش مصنوعی مولد Ethical Considerations in Generative AI
-
مقدمه و بررسی اجمالی Introduction and Overview
-
مسائل اخلاقی (اصول) Ethical Issues (Principles)
-
ملاحظات اخلاقی (اصول) Ethical Considerations (Principles)
-
اصول اخلاقی Ethical Principles
-
مفاهیم اخلاقی Ethical Implications
-
نسخه ی نمایشی: دستورالعمل های اخلاقی با پایتون (قسمت 1) Demo: Ethical Guidelines with Python (Part 1)
-
نسخه ی نمایشی: دستورالعمل های اخلاقی با پایتون (قسمت 2) Demo: Ethical Guidelines with Python (Part 2)
-
خلاصه افکار نهایی Summary & Final Thoughts
https://donyad.com/d/a0e06e
Eduardo Freitas
ادواردو یک علاقه مند به فناوری ، معمار نرم افزار و طرفدار موفقیت مشتری است. او راه حل های دات نت سازمانی را طراحی کرده است که فرآیندهای مهم تجاری مانند راه حل های حساب های قابل پرداخت و Mailroom را برای انواع سازمان ها استخراج ، اعتبارسنجی و خودکار می کند. وی سیستم های تولید را برای نام های جهانی مانند کوکا کولا ، انل ، پیرلی ، فیات-کرایسلر ، زیراکس و بسیاری دیگر طراحی و پشتیبانی کرده است. او یک متخصص شناخته شده در بخش بازار مدیریت محتوای سازمانی است ، به طور خاص در ضبط و استخراج داده ها و اتوماسیون فرآیند اسناد تمرکز دارد. او یک سیستم پردازش فاکتور تأمین کننده برای Agfa طراحی کرد که 50٪ پردازش مستقیم (50٪ فاکتورهای استخراج شده از کاغذ ، تأیید و صادر شده به SAP بدون هیچ گونه اعتبار انسانی) را به دست آورد. او همچنین دوست دارد در مورد فن آوری های پیشرفته بنویسد. او عاشق کمک به موفقیت مشتریان است. در اوقات فراغت او از گذراندن وقت با خانواده و بیرون بودن لذت می برد. او عاشق دویدن و ورزش است.
نمایش نظرات