Dieses Modul soll ein umfassendes Verständnis für die Funktionsweise dieser Modelle, ihre architektonischen Feinheiten und ihre vielfältigen Anwendungen in der Technologiebranche vermitteln. Beginnend mit den Grundlagen von Autoencodern werden die Lernenden die Funktionsweise und Variationen dieser Netzwerke, einschließlich Variational Autoencodern (VAEs), erforschen und ihre Bedeutung für die Datenkompression und generative Aufgaben verstehen. Die Reise geht weiter mit einer Erkundung von GANs, von ihrer grundlegenden Architektur bis hin zu den Nuancen des Trainings und der Erkundung ihrer verschiedenen Varianten. Durch praktische Aufgaben, ansprechende Videoinhalte und gezielte Lektüre werden die Teilnehmer praktische Erfahrungen bei der Arbeit mit diesen Modellen sammeln, die in einem tieferen Verständnis ihrer Fähigkeiten und Grenzen gipfeln.

Dieses Modul bietet eine eingehende Untersuchung von Sprachmodellen und transformatorbasierten generativen Modellen, den grundlegenden Elementen der Verarbeitung natürlicher Sprache und der künstlichen Intelligenz. Es beginnt mit einem Überblick über Sprachmodelle und behandelt dann die revolutionäre Transformer-Architektur mit ihrem Aufmerksamkeitsmechanismus und verschiedenen fortgeschrittenen Modellen. Das Modul verlagert dann den Schwerpunkt auf bahnbrechende Modelle wie GPT und BERT und untersucht deren Entwicklung, Fähigkeiten und die breite Palette von Anwendungen, die sie im Bereich der KI ermöglichen. Das Modul schließt mit umfassenden Bewertungen, einschließlich Übungen und benoteten Aufgaben zu innovativen Themen wie VAEs und GANs, und bietet ein ganzheitliches Verständnis dafür, wie diese Technologien Innovationen in der KI-Forschung und -Anwendungen vorantreiben.

Dieses abschließende Modul dient der Festigung der Kenntnisse und Fähigkeiten, die die Lernenden während des Kurses erworben haben. Es beginnt mit einem Praxisprojekt, das die Lernenden dazu anregt, ihr Wissen praktisch anzuwenden und so die Kluft zwischen theoretischem Wissen und praktischer Anwendung zu überbrücken. Im Anschluss daran bietet das Modul eine benotete Aufgabe zu den Grundlagen der Künstlichen Intelligenz, die darauf abzielt, das Verständnis der Lernenden für die wichtigsten Konzepte, Techniken und Anwendungen, die im Kurs erforscht wurden, streng zu bewerten.