Програма курсу

Курс будується за принципом "від простого до складного". Спочатку студенти знайомляться з основами, а потім переходять до складних архітектур і практичного застосування.

Основи професії та нейронних мереж

На перших заняттях пояснюють, хто такий розробник генеративного ШІ і чим він займається. Студенти дізнаються про сфери застосування технології та інструменти, які використовують у роботі. Потім вони переходять до основ нейронних мереж - вивчають їхню структуру, типи та вчаться будувати прості моделі. Далі йде розбір процесу навчання мереж, методів оптимізації та регуляризації для покращення результатів.

Складні архітектури та великі мовні моделі

У цьому блоці розглядають передові архітектури нейронних мереж. Студенти вчаться працювати з CNN та RNN для різних типів даних. Потім вони переходять до великих мовних моделей - вивчають їхню архітектуру, принципи навчання та сфери застосування. Окремий модуль присвячений практичній роботі з LLM - їхньому налаштуванню та адаптації під конкретні завдання.

Генеративні змагальні мережі

Тут студенти знайомляться з GAN - технологією, яка лежить в основі сучасного генеративного ШІ. Вони вивчають архітектуру цих мереж, процес їхнього навчання та вчаться будувати базові моделі. Далі йдуть складніші теми - передові архітектури GAN, методи вирішення проблем стабільності та налаштування гіперпараметрів. Завершується блок практичним застосуванням GAN для реальних завдань.

Інші генеративні моделі та їх застосування

Цей розділ присвячений варіаційним автоенкодерам та іншим генеративним моделям. Студенти вивчають архітектуру VAE, вчаться їх реалізовувати для генерації даних та застосовувати на практиці. Потім йде огляд інших типів генеративних моделей та їхніх можливостей.

Практична робота та оцінка якості

Студенти переходять до аналізу реальних кейсів застосування генеративних моделей. Вони вчаться оцінювати ефективність різних підходів, тренувати та оптимізувати моделі для конкретних продуктів. Окремий модуль присвячений методам оцінки якості генеративних результатів та вдосконаленню моделей на основі цих оцінок.

Безпека та завершення навчання

Завершальна частина курсу зосереджена на питаннях безпеки. Студенти дізнаються про вразливості LLM, ризики для конфіденційності даних та способи захисту генеративних моделей. Вони розглядають застосування GenAI в кібербезпеці та вчаться розробляти рішення для протидії загрозам. Наприкінці курсу кожен студент презентує свій підсумковий проект.

Що отримають студенти

Курс поєднує теоретичні знання з практичними навичками. Кожен студент має підтримку ментора протягом усього навчання. Після успішного завершення курсу видається сертифікат, а готовий проект можна додати до свого портфоліо.

Що включено

Вечірні заняття

Видається диплом/сертифікат

Реальний проект у портфоліо

Супровід ментора

Розробка моделей Generative AI

Про курс

Програма курсу

Основи професії та нейронних мереж

Складні архітектури та великі мовні моделі

Генеративні змагальні мережі

Інші генеративні моделі та їх застосування

Практична робота та оцінка якості

Безпека та завершення навчання

Що отримають студенти

Що включено

Про школу

Robot Dreams

Інші курси школи

DevOps Engineer

Основи геймдизайну

SQL Advanced для аналітики