PRAKTICKÉ VYUŽITÍ UMĚLÉ INTELIGENCE
Online kurz umělé inteligence, který ti pomůže pochopit AI, možnosti její implementace a maximálního využití!
Tomáš Kubica
Azure Cloud Solutions Architect
Microsoft
O KURZU
- Timeline
PŘIPRAVUJEME
- Čeká tě
12 LEKCÍ
- Formát
ŽIVĚ ONLINE
Kurz Praktické využití umělé inteligence je vstupem do světa moderní AI. Naučíš se prompt engineering pro generativní AI, pronikneš do computer vision, cloudových služeb a open source modelů. Vytvoříš pokročilé chatovací scénáře, využiješ syntézu řeči a pochopíš další AI nástroje.
kurz je vhodný pro:
VZDĚLÁNÍ S r_d
Program
-
1. lekce
Budoucnost lidí s AI asistenty
- Jak AI komunikuje s lidmi
- Orientace AI ve světě
- Nové paradigma vývoje aplikací – koučink AI
- Rizika v oblasti bezpečnosti, etiky, interpretovatelnosti a nestrannosti
- Přehled směrů v AI
Praktické cvičení: Příprava pracovní stanice, instalace potřebného softwaru a založení účtů.
-
2. lekce
Computer vision: Od klasifikace přes rozpoznání objektů k detailnímu popisu
- AI komentuje obrázky, rozpoznává objekty a další
- Praktické ukázky s AI službami jako Azure, YOLO a DINO
- Vision v multimodálních modelech GPT-4o a open source Phi-3-vision
- Diskuze o byznys scénářích
Praktické cvičení: Aplikace počítačového vidění v praxi. Experimenty s fotografiemi.
-
3. lekce
Computer vision: Vytvoř si vlastní model
- Základy neuronových sítí a trénování modelů
- Výhody předtrénovaných modelů
- Trénování v Azure a s open source modelem YOLO
- Autoenkodér a detekce anomálií
- Kombinace klasického computer vision s multimodálním jazykovým modelem
Praktické cvičení: Práce s vlastními specifickými obrázky a objekty.
-
4. lekce
Computer vision: Vektorová reprezentace, vyhledávání a zpracování dokumentů
- Principy vektorové reprezentace obrázků a textu (embeddings)
- Propojení obrázků a textu, jak funguje multimodalita
- Zpracování dokumentů a formulářů (Document Intelligence)
Praktické cvičení: Práce s vektorovým vyhledáváním, zpracování formulářů.
-
5. lekce
Lidský hlas: Generování a rozpoznávání
- Ukázka komerčních i open source modelů pro generování a rozpoznání hlasu
- Možnosti vytrénování vlastního hlasu
- Avatar pro generování celého řečníka
Praktické cvičení: Experimenty s generováním hlasu.
-
6. lekce
Generativní AI: Vytváření obrázků z textu
- Přehled generátorů obrázků z textu jako jsou Midjourney, DALL-E, Imagen nebo Stable Diffusion
- Jak to funguje – od VAE přes GAN až po Diffusion
- Výhody a limity modelů
- Klíč k dobrým promptům
Praktické cvičení: Vytvoření vlastního obrázku z textu.
-
7. lekce
Generativní AI: Generace videa a zvuku
- Práce s modely pro generování hudby a zvuků jako je Sono, Audiocraft nebo Riffusion
- Práce s modely pro generování videa jako je Stable Video Diffusion, RunwayML, Pika, nebo budoucnost s OpenAI Sora či Google Vue
- Práce s modely pro generování 3D modelů
Praktické cvičení: Vytvoření vlastního videa a zvukové nahrávky.
-
8. lekce
Generativní AI: Velké jazykové modely
- Základní využití jazykových modelů – prompty, zero-shot, few-shot, sumarizace
- Porovnání modelů různých komerčních i open source modelů
- Jak fungují transformery a jak se trénují největší modely světa
Praktické cvičení: Vygenerování textu na zadané téma v různých stylech a úrovních.
-
9. lekce
Generativní AI: LLM prompty a chat s pamětí
- Detailnější prompt engineering
- Pokročilé techniky a získávání dat z jiných systémů s Function Calling a Code
Interpreter
- Integrace modelů a chatů s OpenAI, Langchain nebo PromptFlow
- Red teaming a bezpečnost obsahu řešení nad jazykovými modely
Praktické cvičení: Aplikace promptů na text – shrnutí, JSON, překlad a red teaming.
-
10. lekce
Generativní AI: Odpovědi na otázky z vlastních dat
- Systémy na in-context learning: OpenAI, Azure, LangChain nebo PromptFlow
- Vektorové vyhledávání a databáze, možnosti, praktické použití
Praktické cvičení: Vytvoření asistenta na otázky z vlastních dat.
-
11. lekce
Generativní AI: Ladění modelů, lokální provoz, vyhodnocování kvality
- Fine-tuning modelu GPT-3.5, open source Phi-3 nebo Llama 3, postup, limity, výhody
- Náklady a výkon různých variant komerčních i open source modelů
- AI hodnotí AI pro ladění kvality celého řešení
Praktické cvičení: Fine-tuning modelu, evaluace řešení a model co do kvality, výkonnosti a finanční náročnosti.
-
12. lekce
Q&A, pracovní trh, diskuze k tématu
- Představení vybraných závěrečných projektů účastníků, sdílení zkušeností
- Shrnutí kurzu a budoucí směry v AI, jak se udržet v tempu
Lektor
Tomáš Kubica
Azure Cloud Solutions Architect
Microsoft
-
Od roku 2017 pracuje jako cloudový architekt v Microsoftu, kde se specializuje na širokou škálu technologií a cloudových řešení.
-
Má 11 let zkušeností ve firmě Hewlett Packard Enterprise, kde pracoval na pozici Solution Architect a následně Enterprise Architect.
-
Disponuje praktickými zkušenostmi se zpracováním a analýzou dat, zejména s platformami jako Databricks a Azure, a intenzivně se věnuje umělé inteligenci, včetně trénování modelů v PyTorch.
-
Je držitelem certifikací Azure AI Engineer Associate, Azure Data Scientist Associate a Databricks Certified Machine Learning Associate a aktivně sdílí své odborné znalosti na blogu a GitHubu.
ZÍSKEJ VÍCE INFORMACÍ O KURZU PRAKTICKÉ VYUŽITÍ UMĚLÉ INTELIGENCE
Vyplň registrační formulář a připoj se k nám! Náš r_d tým se s tebou spojí co nejdříve, abys získal*a všechny potřebné detaily o obsahu kurzu Praktické využití umělé inteligence a jeho ceně.