هوش مصنوعی مولد برای صدا و تصاویر: مدل‌ها و کاربردها

توضیحات دوره

دوره‌ی «هوش مصنوعی مولد برای صدا و تصاویر: مدل‌ها و کاربردها» یک بررسی عمیق از این موضوع ارائه می‌دهد که چگونه مدل‌های مولد مدرن مانند Variational Autoencoders (VAEs) ،Generative Adversarial Networks (GANs) ،Transformers و Diffusion models برای ایجاد، دست‌کاری و بهبود محتوای صوتی، تصویری و ویدیویی به کار می‌روند.

یادگیرندگان معماری‌ها، فرآیندهای آموزش و موارد استفاده‌ی این مدل‌ها را در قالب modalityهای مختلف بررسی می‌کنند و از طریق فعالیت‌های عملی، هم درک مفهومی و هم بینش کاربردی به دست می‌آورند. این دوره همچنین پیامدهای اخلاقی و اجتماعی هوش مصنوعی مولد را از جمله bias ،transparency ،intellectual property و چالش‌های فناوری‌های deepfake برجسته می‌کند.

این دوره با پوشش هم‌زمان مبانی نظری و رویکردهای پیشرفته و روز، یادگیرندگان را برای به‌کارگیری و توسعه‌ی خلاقانه و مسئولانه‌ی هوش مصنوعی مولد در حوزه‌های صوت و تصویر آماده می‌کند.

در پایان این دوره، یادگیرندگان قادر خواهند بود:

• مفاهیم اصلی، چالش‌ها و تاریخچه‌ی audio تولیدشده با هوش مصنوعی را بیان کنند.
• مدل‌های مهم و بنیادی تولید صدا، مانند variational و vector quantized autoencoders (VAE و VQ-VAE) را تحلیل کنند.
• بررسی کنند که این مدل‌ها چگونه با جدیدترین فناوری‌های GenAI ادغام می‌شوند تا سامانه‌های تولید صدای ترکیبی، پیشرفته و مبتنی بر transformer و diffusion را شکل دهند.
• معماری و عملکرد Generative Adversarial Networks (GANs) و انواع آن‌ها را مطالعه کنند.
• مدل‌های GAN را برای ایجاد و بهبود محتوای بصری پیاده‌سازی و آموزش دهند.
• تکنیک‌های پیشرفته‌ای مانند diffusion models و transformers را برای تولید تصویر و ویدیو بررسی کنند.
• ملاحظات اخلاقی مربوط به هوش مصنوعی مولد برای صدا و تصاویر را مطرح کنند.