NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "mysql_identifier_quote_character" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "mysql_identifier_quote_character" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/includes/database/mysql/database.inc [line] => 397 [function] => variable_get [args] => Array ( [0] => mysql_identifier_quote_character [1] => ` ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 329 [function] => setPrefix [class] => DatabaseConnection_mysql [object] => DatabaseConnection_mysql Object ( [target:protected] => [key:protected] => [logger:protected] => [transactionLayers:protected] => Array ( ) [driverClasses:protected] => Array ( ) [statementClass:protected] => DatabaseStatementBase [transactionSupport:protected] => 1 [transactionalDDLSupport:protected] => [temporaryNameIndex:protected] => 0 [connection:protected] => [connectionOptions:protected] => Array ( [driver] => mysql [database] => common_fe [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) ) [schema:protected] => [prefixes:protected] => Array ( [default] => ) [prefixSearch:protected] => Array ( [0] => { [1] => } ) [prefixReplace:protected] => Array ( [0] => [1] => ) [escapedNames:protected] => Array ( ) [escapedAliases:protected] => Array ( ) [unprefixedTablesMap:protected] => Array ( ) [needsCleanup:protected] => [reservedKeyWords:DatabaseConnection_mysql:private] => Array ( [0] => accessible [1] => add [2] => admin [3] => all [4] => alter [5] => analyze [6] => and [7] => as [8] => asc [9] => asensitive [10] => before [11] => between [12] => bigint [13] => binary [14] => blob [15] => both [16] => by [17] => call [18] => cascade [19] => case [20] => change [21] => char [22] => character [23] => check [24] => collate [25] => column [26] => condition [27] => constraint [28] => continue [29] => convert [30] => create [31] => cross [32] => cube [33] => cume_dist [34] => current_date [35] => current_time [36] => current_timestamp [37] => current_user [38] => cursor [39] => database [40] => databases [41] => day_hour [42] => day_microsecond [43] => day_minute [44] => day_second [45] => dec [46] => decimal [47] => declare [48] => default [49] => delayed [50] => delete [51] => dense_rank [52] => desc [53] => describe [54] => deterministic [55] => distinct [56] => distinctrow [57] => div [58] => double [59] => drop [60] => dual [61] => each [62] => else [63] => elseif [64] => empty [65] => enclosed [66] => escaped [67] => except [68] => exists [69] => exit [70] => explain [71] => false [72] => fetch [73] => first_value [74] => float [75] => float4 [76] => float8 [77] => for [78] => force [79] => foreign [80] => from [81] => fulltext [82] => function [83] => generated [84] => get [85] => grant [86] => group [87] => grouping [88] => groups [89] => having [90] => high_priority [91] => hour_microsecond [92] => hour_minute [93] => hour_second [94] => if [95] => ignore [96] => in [97] => index [98] => infile [99] => inner [100] => inout [101] => insensitive [102] => insert [103] => int [104] => int1 [105] => int2 [106] => int3 [107] => int4 [108] => int8 [109] => integer [110] => intersect [111] => interval [112] => into [113] => io_after_gtids [114] => io_before_gtids [115] => is [116] => iterate [117] => join [118] => json_table [119] => key [120] => keys [121] => kill [122] => lag [123] => last_value [124] => lateral [125] => lead [126] => leading [127] => leave [128] => left [129] => like [130] => limit [131] => linear [132] => lines [133] => load [134] => localtime [135] => localtimestamp [136] => lock [137] => long [138] => longblob [139] => longtext [140] => loop [141] => low_priority [142] => master_bind [143] => master_ssl_verify_server_cert [144] => match [145] => maxvalue [146] => mediumblob [147] => mediumint [148] => mediumtext [149] => middleint [150] => minute_microsecond [151] => minute_second [152] => mod [153] => modifies [154] => natural [155] => not [156] => no_write_to_binlog [157] => nth_value [158] => ntile [159] => null [160] => numeric [161] => of [162] => on [163] => optimize [164] => optimizer_costs [165] => option [166] => optionally [167] => or [168] => order [169] => out [170] => outer [171] => outfile [172] => over [173] => partition [174] => percent_rank [175] => persist [176] => persist_only [177] => precision [178] => primary [179] => procedure [180] => purge [181] => range [182] => rank [183] => read [184] => reads [185] => read_write [186] => real [187] => recursive [188] => references [189] => regexp [190] => release [191] => rename [192] => repeat [193] => replace [194] => require [195] => resignal [196] => restrict [197] => return [198] => revoke [199] => right [200] => rlike [201] => row [202] => rows [203] => row_number [204] => schema [205] => schemas [206] => second_microsecond [207] => select [208] => sensitive [209] => separator [210] => set [211] => show [212] => signal [213] => smallint [214] => spatial [215] => specific [216] => sql [217] => sqlexception [218] => sqlstate [219] => sqlwarning [220] => sql_big_result [221] => sql_calc_found_rows [222] => sql_small_result [223] => ssl [224] => starting [225] => stored [226] => straight_join [227] => system [228] => table [229] => terminated [230] => then [231] => tinyblob [232] => tinyint [233] => tinytext [234] => to [235] => trailing [236] => trigger [237] => true [238] => undo [239] => union [240] => unique [241] => unlock [242] => unsigned [243] => update [244] => usage [245] => use [246] => using [247] => utc_date [248] => utc_time [249] => utc_timestamp [250] => values [251] => varbinary [252] => varchar [253] => varcharacter [254] => varying [255] => virtual [256] => when [257] => where [258] => while [259] => window [260] => with [261] => write [262] => xor [263] => year_month [264] => zerofill ) ) [type] => -> [args] => Array ( [0] => Array ( [default] => ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/includes/database/mysql/database.inc [line] => 349 [function] => __construct [class] => DatabaseConnection [object] => DatabaseConnection_mysql Object ( [target:protected] => [key:protected] => [logger:protected] => [transactionLayers:protected] => Array ( ) [driverClasses:protected] => Array ( ) [statementClass:protected] => DatabaseStatementBase [transactionSupport:protected] => 1 [transactionalDDLSupport:protected] => [temporaryNameIndex:protected] => 0 [connection:protected] => [connectionOptions:protected] => Array ( [driver] => mysql [database] => common_fe [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) ) [schema:protected] => [prefixes:protected] => Array ( [default] => ) [prefixSearch:protected] => Array ( [0] => { [1] => } ) [prefixReplace:protected] => Array ( [0] => [1] => ) [escapedNames:protected] => Array ( ) [escapedAliases:protected] => Array ( ) [unprefixedTablesMap:protected] => Array ( ) [needsCleanup:protected] => [reservedKeyWords:DatabaseConnection_mysql:private] => Array ( [0] => accessible [1] => add [2] => admin [3] => all [4] => alter [5] => analyze [6] => and [7] => as [8] => asc [9] => asensitive [10] => before [11] => between [12] => bigint [13] => binary [14] => blob [15] => both [16] => by [17] => call [18] => cascade [19] => case [20] => change [21] => char [22] => character [23] => check [24] => collate [25] => column [26] => condition [27] => constraint [28] => continue [29] => convert [30] => create [31] => cross [32] => cube [33] => cume_dist [34] => current_date [35] => current_time [36] => current_timestamp [37] => current_user [38] => cursor [39] => database [40] => databases [41] => day_hour [42] => day_microsecond [43] => day_minute [44] => day_second [45] => dec [46] => decimal [47] => declare [48] => default [49] => delayed [50] => delete [51] => dense_rank [52] => desc [53] => describe [54] => deterministic [55] => distinct [56] => distinctrow [57] => div [58] => double [59] => drop [60] => dual [61] => each [62] => else [63] => elseif [64] => empty [65] => enclosed [66] => escaped [67] => except [68] => exists [69] => exit [70] => explain [71] => false [72] => fetch [73] => first_value [74] => float [75] => float4 [76] => float8 [77] => for [78] => force [79] => foreign [80] => from [81] => fulltext [82] => function [83] => generated [84] => get [85] => grant [86] => group [87] => grouping [88] => groups [89] => having [90] => high_priority [91] => hour_microsecond [92] => hour_minute [93] => hour_second [94] => if [95] => ignore [96] => in [97] => index [98] => infile [99] => inner [100] => inout [101] => insensitive [102] => insert [103] => int [104] => int1 [105] => int2 [106] => int3 [107] => int4 [108] => int8 [109] => integer [110] => intersect [111] => interval [112] => into [113] => io_after_gtids [114] => io_before_gtids [115] => is [116] => iterate [117] => join [118] => json_table [119] => key [120] => keys [121] => kill [122] => lag [123] => last_value [124] => lateral [125] => lead [126] => leading [127] => leave [128] => left [129] => like [130] => limit [131] => linear [132] => lines [133] => load [134] => localtime [135] => localtimestamp [136] => lock [137] => long [138] => longblob [139] => longtext [140] => loop [141] => low_priority [142] => master_bind [143] => master_ssl_verify_server_cert [144] => match [145] => maxvalue [146] => mediumblob [147] => mediumint [148] => mediumtext [149] => middleint [150] => minute_microsecond [151] => minute_second [152] => mod [153] => modifies [154] => natural [155] => not [156] => no_write_to_binlog [157] => nth_value [158] => ntile [159] => null [160] => numeric [161] => of [162] => on [163] => optimize [164] => optimizer_costs [165] => option [166] => optionally [167] => or [168] => order [169] => out [170] => outer [171] => outfile [172] => over [173] => partition [174] => percent_rank [175] => persist [176] => persist_only [177] => precision [178] => primary [179] => procedure [180] => purge [181] => range [182] => rank [183] => read [184] => reads [185] => read_write [186] => real [187] => recursive [188] => references [189] => regexp [190] => release [191] => rename [192] => repeat [193] => replace [194] => require [195] => resignal [196] => restrict [197] => return [198] => revoke [199] => right [200] => rlike [201] => row [202] => rows [203] => row_number [204] => schema [205] => schemas [206] => second_microsecond [207] => select [208] => sensitive [209] => separator [210] => set [211] => show [212] => signal [213] => smallint [214] => spatial [215] => specific [216] => sql [217] => sqlexception [218] => sqlstate [219] => sqlwarning [220] => sql_big_result [221] => sql_calc_found_rows [222] => sql_small_result [223] => ssl [224] => starting [225] => stored [226] => straight_join [227] => system [228] => table [229] => terminated [230] => then [231] => tinyblob [232] => tinyint [233] => tinytext [234] => to [235] => trailing [236] => trigger [237] => true [238] => undo [239] => union [240] => unique [241] => unlock [242] => unsigned [243] => update [244] => usage [245] => use [246] => using [247] => utc_date [248] => utc_time [249] => utc_timestamp [250] => values [251] => varbinary [252] => varchar [253] => varcharacter [254] => varying [255] => virtual [256] => when [257] => where [258] => while [259] => window [260] => with [261] => write [262] => xor [263] => year_month [264] => zerofill ) ) [type] => -> [args] => Array ( [0] => mysql:host=localhost;port=3306;charset=utf8;dbname=common_fe [1] => root [2] => asdf [3] => Array ( [1000] => 1 [20] => 1 [17] => 1 [1013] => ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 1796 [function] => __construct [class] => DatabaseConnection_mysql [object] => DatabaseConnection_mysql Object ( [target:protected] => [key:protected] => [logger:protected] => [transactionLayers:protected] => Array ( ) [driverClasses:protected] => Array ( ) [statementClass:protected] => DatabaseStatementBase [transactionSupport:protected] => 1 [transactionalDDLSupport:protected] => [temporaryNameIndex:protected] => 0 [connection:protected] => [connectionOptions:protected] => Array ( [driver] => mysql [database] => common_fe [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) ) [schema:protected] => [prefixes:protected] => Array ( [default] => ) [prefixSearch:protected] => Array ( [0] => { [1] => } ) [prefixReplace:protected] => Array ( [0] => [1] => ) [escapedNames:protected] => Array ( ) [escapedAliases:protected] => Array ( ) [unprefixedTablesMap:protected] => Array ( ) [needsCleanup:protected] => [reservedKeyWords:DatabaseConnection_mysql:private] => Array ( [0] => accessible [1] => add [2] => admin [3] => all [4] => alter [5] => analyze [6] => and [7] => as [8] => asc [9] => asensitive [10] => before [11] => between [12] => bigint [13] => binary [14] => blob [15] => both [16] => by [17] => call [18] => cascade [19] => case [20] => change [21] => char [22] => character [23] => check [24] => collate [25] => column [26] => condition [27] => constraint [28] => continue [29] => convert [30] => create [31] => cross [32] => cube [33] => cume_dist [34] => current_date [35] => current_time [36] => current_timestamp [37] => current_user [38] => cursor [39] => database [40] => databases [41] => day_hour [42] => day_microsecond [43] => day_minute [44] => day_second [45] => dec [46] => decimal [47] => declare [48] => default [49] => delayed [50] => delete [51] => dense_rank [52] => desc [53] => describe [54] => deterministic [55] => distinct [56] => distinctrow [57] => div [58] => double [59] => drop [60] => dual [61] => each [62] => else [63] => elseif [64] => empty [65] => enclosed [66] => escaped [67] => except [68] => exists [69] => exit [70] => explain [71] => false [72] => fetch [73] => first_value [74] => float [75] => float4 [76] => float8 [77] => for [78] => force [79] => foreign [80] => from [81] => fulltext [82] => function [83] => generated [84] => get [85] => grant [86] => group [87] => grouping [88] => groups [89] => having [90] => high_priority [91] => hour_microsecond [92] => hour_minute [93] => hour_second [94] => if [95] => ignore [96] => in [97] => index [98] => infile [99] => inner [100] => inout [101] => insensitive [102] => insert [103] => int [104] => int1 [105] => int2 [106] => int3 [107] => int4 [108] => int8 [109] => integer [110] => intersect [111] => interval [112] => into [113] => io_after_gtids [114] => io_before_gtids [115] => is [116] => iterate [117] => join [118] => json_table [119] => key [120] => keys [121] => kill [122] => lag [123] => last_value [124] => lateral [125] => lead [126] => leading [127] => leave [128] => left [129] => like [130] => limit [131] => linear [132] => lines [133] => load [134] => localtime [135] => localtimestamp [136] => lock [137] => long [138] => longblob [139] => longtext [140] => loop [141] => low_priority [142] => master_bind [143] => master_ssl_verify_server_cert [144] => match [145] => maxvalue [146] => mediumblob [147] => mediumint [148] => mediumtext [149] => middleint [150] => minute_microsecond [151] => minute_second [152] => mod [153] => modifies [154] => natural [155] => not [156] => no_write_to_binlog [157] => nth_value [158] => ntile [159] => null [160] => numeric [161] => of [162] => on [163] => optimize [164] => optimizer_costs [165] => option [166] => optionally [167] => or [168] => order [169] => out [170] => outer [171] => outfile [172] => over [173] => partition [174] => percent_rank [175] => persist [176] => persist_only [177] => precision [178] => primary [179] => procedure [180] => purge [181] => range [182] => rank [183] => read [184] => reads [185] => read_write [186] => real [187] => recursive [188] => references [189] => regexp [190] => release [191] => rename [192] => repeat [193] => replace [194] => require [195] => resignal [196] => restrict [197] => return [198] => revoke [199] => right [200] => rlike [201] => row [202] => rows [203] => row_number [204] => schema [205] => schemas [206] => second_microsecond [207] => select [208] => sensitive [209] => separator [210] => set [211] => show [212] => signal [213] => smallint [214] => spatial [215] => specific [216] => sql [217] => sqlexception [218] => sqlstate [219] => sqlwarning [220] => sql_big_result [221] => sql_calc_found_rows [222] => sql_small_result [223] => ssl [224] => starting [225] => stored [226] => straight_join [227] => system [228] => table [229] => terminated [230] => then [231] => tinyblob [232] => tinyint [233] => tinytext [234] => to [235] => trailing [236] => trigger [237] => true [238] => undo [239] => union [240] => unique [241] => unlock [242] => unsigned [243] => update [244] => usage [245] => use [246] => using [247] => utc_date [248] => utc_time [249] => utc_timestamp [250] => values [251] => varbinary [252] => varchar [253] => varcharacter [254] => varying [255] => virtual [256] => when [257] => where [258] => while [259] => window [260] => with [261] => write [262] => xor [263] => year_month [264] => zerofill ) ) [type] => -> [args] => Array ( [0] => Array ( [driver] => mysql [database] => common_fe [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) [pdo] => Array ( [1000] => 1 [20] => 1 [17] => 1 [1013] => ) ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 1582 [function] => openConnection [class] => Database [type] => :: [args] => Array ( [0] => common_fe [1] => default ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 2467 [function] => getConnection [class] => Database [type] => :: [args] => Array ( [0] => default ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 31 [function] => db_query [args] => Array ( [0] => SELECT * FROM fe_regions_translation frt LEFT JOIN fe_regions fr ON frt.region_id = fr.region_id WHERE frt.url_path_mapper = :region_path_mapper AND frt.language = :language AND fr.sales_area IN (:sales_areas) AND frt.region_publish_status = 1 [1] => Array ( [:region_path_mapper] => caracas [:language] => es [:sales_areas] => Array ( [0] => ve_venezuela ) ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 175 [function] => np_db_query [args] => Array ( [0] => common_fe [1] => db_query [2] => SELECT * FROM fe_regions_translation frt LEFT JOIN fe_regions fr ON frt.region_id = fr.region_id WHERE frt.url_path_mapper = :region_path_mapper AND frt.language = :language AND fr.sales_area IN (:sales_areas) AND frt.region_publish_status = 1 [3] => Array ( [:region_path_mapper] => caracas [:language] => es [:sales_areas] => Array ( [0] => ve_venezuela ) ) ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 58 [function] => find_region_by_url_path_mapper [args] => Array ( [0] => caracas [1] => es ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "mysql_identifier_quote_character" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "mysql_identifier_quote_character" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/includes/database/mysql/database.inc [line] => 397 [function] => variable_get [args] => Array ( [0] => mysql_identifier_quote_character [1] => ` ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 329 [function] => setPrefix [class] => DatabaseConnection_mysql [object] => DatabaseConnection_mysql Object ( [target:protected] => [key:protected] => [logger:protected] => [transactionLayers:protected] => Array ( ) [driverClasses:protected] => Array ( ) [statementClass:protected] => DatabaseStatementBase [transactionSupport:protected] => 1 [transactionalDDLSupport:protected] => [temporaryNameIndex:protected] => 0 [connection:protected] => [connectionOptions:protected] => Array ( [driver] => mysql [database] => hitrahr [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) ) [schema:protected] => [prefixes:protected] => Array ( [default] => ) [prefixSearch:protected] => Array ( [0] => { [1] => } ) [prefixReplace:protected] => Array ( [0] => [1] => ) [escapedNames:protected] => Array ( ) [escapedAliases:protected] => Array ( ) [unprefixedTablesMap:protected] => Array ( ) [needsCleanup:protected] => [reservedKeyWords:DatabaseConnection_mysql:private] => Array ( [0] => accessible [1] => add [2] => admin [3] => all [4] => alter [5] => analyze [6] => and [7] => as [8] => asc [9] => asensitive [10] => before [11] => between [12] => bigint [13] => binary [14] => blob [15] => both [16] => by [17] => call [18] => cascade [19] => case [20] => change [21] => char [22] => character [23] => check [24] => collate [25] => column [26] => condition [27] => constraint [28] => continue [29] => convert [30] => create [31] => cross [32] => cube [33] => cume_dist [34] => current_date [35] => current_time [36] => current_timestamp [37] => current_user [38] => cursor [39] => database [40] => databases [41] => day_hour [42] => day_microsecond [43] => day_minute [44] => day_second [45] => dec [46] => decimal [47] => declare [48] => default [49] => delayed [50] => delete [51] => dense_rank [52] => desc [53] => describe [54] => deterministic [55] => distinct [56] => distinctrow [57] => div [58] => double [59] => drop [60] => dual [61] => each [62] => else [63] => elseif [64] => empty [65] => enclosed [66] => escaped [67] => except [68] => exists [69] => exit [70] => explain [71] => false [72] => fetch [73] => first_value [74] => float [75] => float4 [76] => float8 [77] => for [78] => force [79] => foreign [80] => from [81] => fulltext [82] => function [83] => generated [84] => get [85] => grant [86] => group [87] => grouping [88] => groups [89] => having [90] => high_priority [91] => hour_microsecond [92] => hour_minute [93] => hour_second [94] => if [95] => ignore [96] => in [97] => index [98] => infile [99] => inner [100] => inout [101] => insensitive [102] => insert [103] => int [104] => int1 [105] => int2 [106] => int3 [107] => int4 [108] => int8 [109] => integer [110] => intersect [111] => interval [112] => into [113] => io_after_gtids [114] => io_before_gtids [115] => is [116] => iterate [117] => join [118] => json_table [119] => key [120] => keys [121] => kill [122] => lag [123] => last_value [124] => lateral [125] => lead [126] => leading [127] => leave [128] => left [129] => like [130] => limit [131] => linear [132] => lines [133] => load [134] => localtime [135] => localtimestamp [136] => lock [137] => long [138] => longblob [139] => longtext [140] => loop [141] => low_priority [142] => master_bind [143] => master_ssl_verify_server_cert [144] => match [145] => maxvalue [146] => mediumblob [147] => mediumint [148] => mediumtext [149] => middleint [150] => minute_microsecond [151] => minute_second [152] => mod [153] => modifies [154] => natural [155] => not [156] => no_write_to_binlog [157] => nth_value [158] => ntile [159] => null [160] => numeric [161] => of [162] => on [163] => optimize [164] => optimizer_costs [165] => option [166] => optionally [167] => or [168] => order [169] => out [170] => outer [171] => outfile [172] => over [173] => partition [174] => percent_rank [175] => persist [176] => persist_only [177] => precision [178] => primary [179] => procedure [180] => purge [181] => range [182] => rank [183] => read [184] => reads [185] => read_write [186] => real [187] => recursive [188] => references [189] => regexp [190] => release [191] => rename [192] => repeat [193] => replace [194] => require [195] => resignal [196] => restrict [197] => return [198] => revoke [199] => right [200] => rlike [201] => row [202] => rows [203] => row_number [204] => schema [205] => schemas [206] => second_microsecond [207] => select [208] => sensitive [209] => separator [210] => set [211] => show [212] => signal [213] => smallint [214] => spatial [215] => specific [216] => sql [217] => sqlexception [218] => sqlstate [219] => sqlwarning [220] => sql_big_result [221] => sql_calc_found_rows [222] => sql_small_result [223] => ssl [224] => starting [225] => stored [226] => straight_join [227] => system [228] => table [229] => terminated [230] => then [231] => tinyblob [232] => tinyint [233] => tinytext [234] => to [235] => trailing [236] => trigger [237] => true [238] => undo [239] => union [240] => unique [241] => unlock [242] => unsigned [243] => update [244] => usage [245] => use [246] => using [247] => utc_date [248] => utc_time [249] => utc_timestamp [250] => values [251] => varbinary [252] => varchar [253] => varcharacter [254] => varying [255] => virtual [256] => when [257] => where [258] => while [259] => window [260] => with [261] => write [262] => xor [263] => year_month [264] => zerofill ) ) [type] => -> [args] => Array ( [0] => Array ( [default] => ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/includes/database/mysql/database.inc [line] => 349 [function] => __construct [class] => DatabaseConnection [object] => DatabaseConnection_mysql Object ( [target:protected] => [key:protected] => [logger:protected] => [transactionLayers:protected] => Array ( ) [driverClasses:protected] => Array ( ) [statementClass:protected] => DatabaseStatementBase [transactionSupport:protected] => 1 [transactionalDDLSupport:protected] => [temporaryNameIndex:protected] => 0 [connection:protected] => [connectionOptions:protected] => Array ( [driver] => mysql [database] => hitrahr [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) ) [schema:protected] => [prefixes:protected] => Array ( [default] => ) [prefixSearch:protected] => Array ( [0] => { [1] => } ) [prefixReplace:protected] => Array ( [0] => [1] => ) [escapedNames:protected] => Array ( ) [escapedAliases:protected] => Array ( ) [unprefixedTablesMap:protected] => Array ( ) [needsCleanup:protected] => [reservedKeyWords:DatabaseConnection_mysql:private] => Array ( [0] => accessible [1] => add [2] => admin [3] => all [4] => alter [5] => analyze [6] => and [7] => as [8] => asc [9] => asensitive [10] => before [11] => between [12] => bigint [13] => binary [14] => blob [15] => both [16] => by [17] => call [18] => cascade [19] => case [20] => change [21] => char [22] => character [23] => check [24] => collate [25] => column [26] => condition [27] => constraint [28] => continue [29] => convert [30] => create [31] => cross [32] => cube [33] => cume_dist [34] => current_date [35] => current_time [36] => current_timestamp [37] => current_user [38] => cursor [39] => database [40] => databases [41] => day_hour [42] => day_microsecond [43] => day_minute [44] => day_second [45] => dec [46] => decimal [47] => declare [48] => default [49] => delayed [50] => delete [51] => dense_rank [52] => desc [53] => describe [54] => deterministic [55] => distinct [56] => distinctrow [57] => div [58] => double [59] => drop [60] => dual [61] => each [62] => else [63] => elseif [64] => empty [65] => enclosed [66] => escaped [67] => except [68] => exists [69] => exit [70] => explain [71] => false [72] => fetch [73] => first_value [74] => float [75] => float4 [76] => float8 [77] => for [78] => force [79] => foreign [80] => from [81] => fulltext [82] => function [83] => generated [84] => get [85] => grant [86] => group [87] => grouping [88] => groups [89] => having [90] => high_priority [91] => hour_microsecond [92] => hour_minute [93] => hour_second [94] => if [95] => ignore [96] => in [97] => index [98] => infile [99] => inner [100] => inout [101] => insensitive [102] => insert [103] => int [104] => int1 [105] => int2 [106] => int3 [107] => int4 [108] => int8 [109] => integer [110] => intersect [111] => interval [112] => into [113] => io_after_gtids [114] => io_before_gtids [115] => is [116] => iterate [117] => join [118] => json_table [119] => key [120] => keys [121] => kill [122] => lag [123] => last_value [124] => lateral [125] => lead [126] => leading [127] => leave [128] => left [129] => like [130] => limit [131] => linear [132] => lines [133] => load [134] => localtime [135] => localtimestamp [136] => lock [137] => long [138] => longblob [139] => longtext [140] => loop [141] => low_priority [142] => master_bind [143] => master_ssl_verify_server_cert [144] => match [145] => maxvalue [146] => mediumblob [147] => mediumint [148] => mediumtext [149] => middleint [150] => minute_microsecond [151] => minute_second [152] => mod [153] => modifies [154] => natural [155] => not [156] => no_write_to_binlog [157] => nth_value [158] => ntile [159] => null [160] => numeric [161] => of [162] => on [163] => optimize [164] => optimizer_costs [165] => option [166] => optionally [167] => or [168] => order [169] => out [170] => outer [171] => outfile [172] => over [173] => partition [174] => percent_rank [175] => persist [176] => persist_only [177] => precision [178] => primary [179] => procedure [180] => purge [181] => range [182] => rank [183] => read [184] => reads [185] => read_write [186] => real [187] => recursive [188] => references [189] => regexp [190] => release [191] => rename [192] => repeat [193] => replace [194] => require [195] => resignal [196] => restrict [197] => return [198] => revoke [199] => right [200] => rlike [201] => row [202] => rows [203] => row_number [204] => schema [205] => schemas [206] => second_microsecond [207] => select [208] => sensitive [209] => separator [210] => set [211] => show [212] => signal [213] => smallint [214] => spatial [215] => specific [216] => sql [217] => sqlexception [218] => sqlstate [219] => sqlwarning [220] => sql_big_result [221] => sql_calc_found_rows [222] => sql_small_result [223] => ssl [224] => starting [225] => stored [226] => straight_join [227] => system [228] => table [229] => terminated [230] => then [231] => tinyblob [232] => tinyint [233] => tinytext [234] => to [235] => trailing [236] => trigger [237] => true [238] => undo [239] => union [240] => unique [241] => unlock [242] => unsigned [243] => update [244] => usage [245] => use [246] => using [247] => utc_date [248] => utc_time [249] => utc_timestamp [250] => values [251] => varbinary [252] => varchar [253] => varcharacter [254] => varying [255] => virtual [256] => when [257] => where [258] => while [259] => window [260] => with [261] => write [262] => xor [263] => year_month [264] => zerofill ) ) [type] => -> [args] => Array ( [0] => mysql:host=localhost;port=3306;charset=utf8;dbname=hitrahr [1] => root [2] => asdf [3] => Array ( [1000] => 1 [20] => 1 [17] => 1 [1013] => ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 1796 [function] => __construct [class] => DatabaseConnection_mysql [object] => DatabaseConnection_mysql Object ( [target:protected] => [key:protected] => [logger:protected] => [transactionLayers:protected] => Array ( ) [driverClasses:protected] => Array ( ) [statementClass:protected] => DatabaseStatementBase [transactionSupport:protected] => 1 [transactionalDDLSupport:protected] => [temporaryNameIndex:protected] => 0 [connection:protected] => [connectionOptions:protected] => Array ( [driver] => mysql [database] => hitrahr [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) ) [schema:protected] => [prefixes:protected] => Array ( [default] => ) [prefixSearch:protected] => Array ( [0] => { [1] => } ) [prefixReplace:protected] => Array ( [0] => [1] => ) [escapedNames:protected] => Array ( ) [escapedAliases:protected] => Array ( ) [unprefixedTablesMap:protected] => Array ( ) [needsCleanup:protected] => [reservedKeyWords:DatabaseConnection_mysql:private] => Array ( [0] => accessible [1] => add [2] => admin [3] => all [4] => alter [5] => analyze [6] => and [7] => as [8] => asc [9] => asensitive [10] => before [11] => between [12] => bigint [13] => binary [14] => blob [15] => both [16] => by [17] => call [18] => cascade [19] => case [20] => change [21] => char [22] => character [23] => check [24] => collate [25] => column [26] => condition [27] => constraint [28] => continue [29] => convert [30] => create [31] => cross [32] => cube [33] => cume_dist [34] => current_date [35] => current_time [36] => current_timestamp [37] => current_user [38] => cursor [39] => database [40] => databases [41] => day_hour [42] => day_microsecond [43] => day_minute [44] => day_second [45] => dec [46] => decimal [47] => declare [48] => default [49] => delayed [50] => delete [51] => dense_rank [52] => desc [53] => describe [54] => deterministic [55] => distinct [56] => distinctrow [57] => div [58] => double [59] => drop [60] => dual [61] => each [62] => else [63] => elseif [64] => empty [65] => enclosed [66] => escaped [67] => except [68] => exists [69] => exit [70] => explain [71] => false [72] => fetch [73] => first_value [74] => float [75] => float4 [76] => float8 [77] => for [78] => force [79] => foreign [80] => from [81] => fulltext [82] => function [83] => generated [84] => get [85] => grant [86] => group [87] => grouping [88] => groups [89] => having [90] => high_priority [91] => hour_microsecond [92] => hour_minute [93] => hour_second [94] => if [95] => ignore [96] => in [97] => index [98] => infile [99] => inner [100] => inout [101] => insensitive [102] => insert [103] => int [104] => int1 [105] => int2 [106] => int3 [107] => int4 [108] => int8 [109] => integer [110] => intersect [111] => interval [112] => into [113] => io_after_gtids [114] => io_before_gtids [115] => is [116] => iterate [117] => join [118] => json_table [119] => key [120] => keys [121] => kill [122] => lag [123] => last_value [124] => lateral [125] => lead [126] => leading [127] => leave [128] => left [129] => like [130] => limit [131] => linear [132] => lines [133] => load [134] => localtime [135] => localtimestamp [136] => lock [137] => long [138] => longblob [139] => longtext [140] => loop [141] => low_priority [142] => master_bind [143] => master_ssl_verify_server_cert [144] => match [145] => maxvalue [146] => mediumblob [147] => mediumint [148] => mediumtext [149] => middleint [150] => minute_microsecond [151] => minute_second [152] => mod [153] => modifies [154] => natural [155] => not [156] => no_write_to_binlog [157] => nth_value [158] => ntile [159] => null [160] => numeric [161] => of [162] => on [163] => optimize [164] => optimizer_costs [165] => option [166] => optionally [167] => or [168] => order [169] => out [170] => outer [171] => outfile [172] => over [173] => partition [174] => percent_rank [175] => persist [176] => persist_only [177] => precision [178] => primary [179] => procedure [180] => purge [181] => range [182] => rank [183] => read [184] => reads [185] => read_write [186] => real [187] => recursive [188] => references [189] => regexp [190] => release [191] => rename [192] => repeat [193] => replace [194] => require [195] => resignal [196] => restrict [197] => return [198] => revoke [199] => right [200] => rlike [201] => row [202] => rows [203] => row_number [204] => schema [205] => schemas [206] => second_microsecond [207] => select [208] => sensitive [209] => separator [210] => set [211] => show [212] => signal [213] => smallint [214] => spatial [215] => specific [216] => sql [217] => sqlexception [218] => sqlstate [219] => sqlwarning [220] => sql_big_result [221] => sql_calc_found_rows [222] => sql_small_result [223] => ssl [224] => starting [225] => stored [226] => straight_join [227] => system [228] => table [229] => terminated [230] => then [231] => tinyblob [232] => tinyint [233] => tinytext [234] => to [235] => trailing [236] => trigger [237] => true [238] => undo [239] => union [240] => unique [241] => unlock [242] => unsigned [243] => update [244] => usage [245] => use [246] => using [247] => utc_date [248] => utc_time [249] => utc_timestamp [250] => values [251] => varbinary [252] => varchar [253] => varcharacter [254] => varying [255] => virtual [256] => when [257] => where [258] => while [259] => window [260] => with [261] => write [262] => xor [263] => year_month [264] => zerofill ) ) [type] => -> [args] => Array ( [0] => Array ( [driver] => mysql [database] => hitrahr [username] => root [password] => asdf [host] => localhost [prefix] => Array ( [default] => ) [pdo] => Array ( [1000] => 1 [20] => 1 [17] => 1 [1013] => ) ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 1582 [function] => openConnection [class] => Database [type] => :: [args] => Array ( [0] => hitrahr [1] => default ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/includes/database/database.inc [line] => 2467 [function] => getConnection [class] => Database [type] => :: [args] => Array ( [0] => default ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 31 [function] => db_query [args] => Array ( [0] => SELECT entity_id FROM field_data_field_url_path_mapper WHERE field_url_path_mapper_value = :category [1] => Array ( [:category] => generative-ai ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 133 [function] => np_db_query [args] => Array ( [0] => hitrahr [1] => db_query [2] => SELECT entity_id FROM field_data_field_url_path_mapper WHERE field_url_path_mapper_value = :category [3] => Array ( [:category] => generative-ai ) ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 68 [function] => get_path_mapper [args] => Array ( [0] => generative-ai [1] => es ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined property: stdClass::$machine_description /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/nobleprog_frontend/nobleprog_frontend_category_description.logic.php:50 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/nobleprog_frontend/nobleprog_frontend_category_description.logic.php [line] => 50 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined property: stdClass::$machine_description [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/nobleprog_frontend/nobleprog_frontend_category_description.logic.php [3] => 50 ) ) [1] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 87 [function] => nobleprog_frontend_get_category_description [args] => Array ( [0] => stdClass Object ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) [1] => Generative AI [2] => Venezuela [3] => stdClass Object ( [language] => es [name] => Spanish [native] => Español [prefix] => es [default_language] => es [language_url] => [secondary_language] => [language_switcher_links] => Array ( [es] => /generative-ai/cursos/caracas [en] => /en/generative-ai/training/caracas ) [multi_lingual] => 1 ) ) ) [2] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [3] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [4] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [5] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [6] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => firefly [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] =>

Adobe Firefly is a product and a model that uses generative AI to create images, text effects, and color palettes from simple text prompts.

This instructor-led, live training (online or onsite) is aimed at beginner-level designers, artists, and content creators who wish to use Adobe Firefly to enhance their creativity and productivity.

By the end of this training, participants will be able to:

  • Set up a development environment that includes Adobe Firefly and Adobe Creative Cloud.
  • Create images, text effects, and color palettes from text prompts using Adobe Firefly.
  • Use Adobe Firefly in Adobe apps like Photoshop, Illustrator, and Express.
  • Generate content that is safe for commercial use and respects the rights of content creators.
  • Apply ethical and responsible principles when using generative AI.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level designers, artists, and content creators who wish to use Adobe Firefly to enhance their creativity and productivity.

By the end of this training, participants will be able to:

  • Set up a development environment that includes Adobe Firefly and Adobe Creative Cloud.
  • Create images, text effects, and color palettes from text prompts using Adobe Firefly.
  • Use Adobe Firefly in Adobe apps like Photoshop, Illustrator, and Express.
  • Generate content that is safe for commercial use and respects the rights of content creators.
  • Apply ethical and responsible principles when using generative AI.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] => [overview] =>

Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.

Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.

Al final de esta capacitación, los participantes serán capaces de:

  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.

Al final de esta capacitación, los participantes serán capaces de:

  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => firefly [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => firefly [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeai [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] =>

Generative AI (GenAI) is a category of AI algorithms that can create new and realistic content from existing data, such as images, text, audio, and more. Generative AI models learn the patterns and structure of their input training data and then generate new data that has similar characteristics.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level data scientists, AI developers, and AI enthusiasts who wish to use generative AI to create novel and diverse content for various purposes.

By the end of this training, participants will be able to:

  • Set up a development environment that includes generative AI models and tools.
  • Create images, text, audio, and other content from text prompts using generative AI.
  • Use generative AI in different domains such as art, design, entertainment, and education.
  • Evaluate the quality and diversity of the content generated by generative AI.
  • Understand the ethical and social implications of generative AI.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level data scientists, AI developers, and AI enthusiasts who wish to use generative AI to create novel and diverse content for various purposes.

By the end of this training, participants will be able to:

  • Set up a development environment that includes generative AI models and tools.
  • Create images, text, audio, and other content from text prompts using generative AI.
  • Use generative AI in different domains such as art, design, entertainment, and education.
  • Evaluate the quality and diversity of the content generated by generative AI.
  • Understand the ethical and social implications of generative AI.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] => [overview] =>

La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.

Al final de esta capacitación, los participantes serán capaces de:

  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.

Al final de esta capacitación, los participantes serán capaces de:

  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeai [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeai [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaiadv [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] =>

Generative AI is an exciting and rapidly evolving field that focuses on creating new, synthetic instances of data that can pass for real data.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level data scientists, machine learning engineers, and AI practitioners who wish to explore complex generative models and their applications in various industries.

By the end of this training, participants will be able to:

  • Implement and train advanced generative models, including GANs, VAEs, and diffusion models.
  • Understand and apply the Transformer architecture in generative tasks.
  • Explore the ethical implications and challenges of Generative AI.
  • Apply advanced generative techniques to solve real-world problems in various industries.
  • Stay abreast of current research trends and future directions in Generative AI.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level to advanced-level data scientists, machine learning engineers, and AI practitioners who wish to explore complex generative models and their applications in various industries.

By the end of this training, participants will be able to:

  • Implement and train advanced generative models, including GANs, VAEs, and diffusion models.
  • Understand and apply the Transformer architecture in generative tasks.
  • Explore the ethical implications and challenges of Generative AI.
  • Apply advanced generative techniques to solve real-world problems in various industries.
  • Stay abreast of current research trends and future directions in Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] => [overview] =>

Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.

Al final de esta capacitación, los participantes serán capaces de:

  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.

Al final de esta capacitación, los participantes serán capaces de:

  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaiadv [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaiadv [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaiart [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] =>

Generative AI is revolutionizing the entertainment industry by enabling the creation of music, video games, literature, and other forms of art in unprecedented ways. This course will delve into the various applications of AI in entertainment, exploring how these technologies are not only enhancing the creative process but also shaping the future of the arts.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level game developers, artists, musicians, and entertainment industry professionals who wish to harness the power of generative AI to innovate within the realm of entertainment.

By the end of this training, participants will be able to:

  • Understand the fundamentals of generative AI and its role in creative processes.
  • Explore the use of AI in generating music, literature, and visual arts.
  • Examine the impact of AI on video game development and player experiences.
  • Discuss the ethical considerations of using AI in artistic creation.
  • Envision and develop AI-driven projects in the entertainment sector.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level game developers, artists, musicians, and entertainment industry professionals who wish to harness the power of generative AI to innovate within the realm of entertainment.

By the end of this training, participants will be able to:

  • Understand the fundamentals of generative AI and its role in creative processes.
  • Explore the use of AI in generating music, literature, and visual arts.
  • Examine the impact of AI on video game development and player experiences.
  • Discuss the ethical considerations of using AI in artistic creation.
  • Envision and develop AI-driven projects in the entertainment sector.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] => [overview] =>

Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaiart [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaiart [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaics [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] =>

Generative AI is revolutionizing the field of cyber security, presenting both new opportunities for defense and novel challenges in the form of sophisticated threats.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level cyber security professionals, IT managers, and policy makers who wish to understand the profound impact Generative AI is having on cyber security.

By the end of this training, participants will be able to:

  • Comprehend the capabilities and applications of Generative AI in cyber security.
  • Recognize and anticipate AI-powered cyber threats and attacks.
  • Explore the use of Generative AI in strengthening cyber defense mechanisms.
  • Assess the ethical and legal considerations of employing Generative AI in cyber security.
  • Formulate strategies to integrate Generative AI into their cyber security practices.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level to advanced-level cyber security professionals, IT managers, and policy makers who wish to understand the profound impact Generative AI is having on cyber security.

By the end of this training, participants will be able to:

  • Comprehend the capabilities and applications of Generative AI in cyber security.
  • Recognize and anticipate AI-powered cyber threats and attacks.
  • Explore the use of Generative AI in strengthening cyber defense mechanisms.
  • Assess the ethical and legal considerations of employing Generative AI in cyber security.
  • Formulate strategies to integrate Generative AI into their cyber security practices.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] => [overview] =>

Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] => [language] => es [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaics [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaics [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaidev [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] =>

Generative AI is a transformative technology in software development. It can streamline development processes, enhance developer productivity, and improve code quality.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level software developers who wish to integrate generative AI into their software development lifecycle (SDLC).

By the end of this training, participants will be able to:

  • Understand the role and capabilities of generative AI in software development.
  • Utilize AI tools for coding, debugging, and code reviews.
  • Apply AI techniques for efficient root cause analysis.
  • Implement AI features to enhance the software development process.
  • Evaluate ethical considerations and best practices for AI in development.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level software developers who wish to integrate generative AI into their software development lifecycle (SDLC).

By the end of this training, participants will be able to:

  • Understand the role and capabilities of generative AI in software development.
  • Utilize AI tools for coding, debugging, and code reviews.
  • Apply AI techniques for efficient root cause analysis.
  • Implement AI features to enhance the software development process.
  • Evaluate ethical considerations and best practices for AI in development.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] => [overview] =>

Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaidev [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaidev [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaids [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] =>

Generative AI is an area of artificial intelligence that focuses on creating new content, data, and models that can mimic real-world distributions. Synthetic data is a substitute for real data.

This instructor-led, live training (online or onsite) is aimed at intermediate-level data professionals who wish to create synthetic datasets for AI model training where real data is scarce or sensitive.

By the end of this training, participants will be able to:

  • Understand the role and creation of synthetic data in Generative AI.
  • Implement Generative AI models to produce high-quality synthetic data.
  • Assess the quality and utility of synthetic datasets.
  • Navigate the ethical and legal considerations in using synthetic data.
  • Apply synthetic data strategies to real-world AI challenges.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level data professionals who wish to create synthetic datasets for AI model training where real data is scarce or sensitive.

By the end of this training, participants will be able to:

  • Understand the role and creation of synthetic data in Generative AI.
  • Implement Generative AI models to produce high-quality synthetic data.
  • Assess the quality and utility of synthetic datasets.
  • Navigate the ethical and legal considerations in using synthetic data.
  • Apply synthetic data strategies to real-world AI challenges.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] => [overview] =>

Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaids [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaids [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaiedu [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] =>

Generative AI is an innovative branch of artificial intelligence focused on creating algorithms that can generate new, previously unseen data points, content, or solutions.

This instructor-led, live training (online or onsite) is aimed at intermediate-level educators and edtech professionals who wish to leverage Generative AI to personalize education and enhance learning experiences.

By the end of this training, participants will be able to:

  • Understand the principles and applications of Generative AI in the context of education.
  • Create personalized learning materials and pathways using AI.
  • Utilize AI tools for classroom management and content creation.
  • Address ethical considerations in the use of AI for education.
  • Develop strategies for integrating AI into educational curricula and administrative processes.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level educators and edtech professionals who wish to leverage Generative AI to personalize education and enhance learning experiences.

By the end of this training, participants will be able to:

  • Understand the principles and applications of Generative AI in the context of education.
  • Create personalized learning materials and pathways using AI.
  • Utilize AI tools for classroom management and content creation.
  • Address ethical considerations in the use of AI for education.
  • Develop strategies for integrating AI into educational curricula and administrative processes.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] => [overview] =>

Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaiedu [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaiedu [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaifun [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] =>

Generative AI is a subset of artificial intelligence focused on creating new content, whether it be text, images, or other data types, that is similar to but not identical to the content it has learned from.

This instructor-led, live training (online or onsite) is aimed at beginner-level developers who wish to gain foundational knowledge and practical experience in Generative AI.

By the end of this training, participants will be able to:

  • Understand the principles behind generative models and their applications.
  • Implement basic generative models using TensorFlow or PyTorch.
  • Generate new content using Variational Autoencoders (VAEs) and Generative Adversarial Networks (GANs).
  • Explore the ethical implications of generative AI.
  • Apply generative AI concepts to real-world scenarios.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level developers who wish to gain foundational knowledge and practical experience in Generative AI.

By the end of this training, participants will be able to:

  • Understand the principles behind generative models and their applications.
  • Implement basic generative models using TensorFlow or PyTorch.
  • Generate new content using Variational Autoencoders (VAEs) and Generative Adversarial Networks (GANs).
  • Explore the ethical implications of generative AI.
  • Apply generative AI concepts to real-world scenarios.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] => [overview] =>

Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaifun [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaifun [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaihealth [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] =>

Generative AI is a transformative technology that leverages machine learning models to generate new, synthetic instances of data that can be used for a variety of applications in healthcare.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level healthcare professionals, data analysts, and policy makers who wish to understand and apply generative AI in the context of healthcare.

By the end of this training, participants will be able to:

  • Explain the principles and applications of generative AI in healthcare.
  • Identify opportunities for generative AI to enhance drug discovery and personalized medicine.
  • Utilize generative AI techniques for medical imaging and diagnostics.
  • Assess the ethical implications of AI in medical settings.
  • Develop strategies for integrating AI technologies into healthcare systems.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level healthcare professionals, data analysts, and policy makers who wish to understand and apply generative AI in the context of healthcare.

By the end of this training, participants will be able to:

  • Explain the principles and applications of generative AI in healthcare.
  • Identify opportunities for generative AI to enhance drug discovery and personalized medicine.
  • Utilize generative AI techniques for medical imaging and diagnostics.
  • Assess the ethical implications of AI in medical settings.
  • Develop strategies for integrating AI technologies into healthcare systems.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] => [overview] =>

Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.

Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.

Al final de esta capacitación, los participantes serán capaces de:

  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.

Al final de esta capacitación, los participantes serán capaces de:

  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaihealth [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaihealth [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaimngr [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] =>

Generative AI is a transformative technology that is reshaping the landscape of business innovation, enabling new ways to create and customize products, services, and experiences.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level managers who wish to understand and leverage Generative AI in their business strategies.

By the end of this training, participants will be able to:

  • Grasp the fundamental concepts and capabilities of Generative AI.
  • Identify opportunities for applying Generative AI within their organizations.
  • Understand the ethical and legal considerations of using Generative AI.
  • Lead discussions and make informed decisions about AI projects.
  • Develop a roadmap for integrating Generative AI into their business processes.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level to advanced-level managers who wish to understand and leverage Generative AI in their business strategies.

By the end of this training, participants will be able to:

  • Grasp the fundamental concepts and capabilities of Generative AI.
  • Identify opportunities for applying Generative AI within their organizations.
  • Understand the ethical and legal considerations of using Generative AI.
  • Lead discussions and make informed decisions about AI projects.
  • Develop a roadmap for integrating Generative AI into their business processes.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] => [overview] =>

Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaimngr [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaimngr [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeairobot [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] =>

Generative AI is a cutting-edge field of AI that focuses on creating systems that can generate new, complex patterns and behaviors.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level robotics engineers and AI researchers who wish to design and implement autonomous robotic systems using Generative AI techniques.

By the end of this training, participants will be able to:

  • Understand the core concepts of Generative AI as they apply to robotics.
  • Design and simulate autonomous robots using Generative AI models.
  • Implement AI algorithms for robotic perception and decision-making.
  • Evaluate the impact of AI-driven robots in various industries.
  • Address the ethical considerations of deploying autonomous robotic systems.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level to advanced-level robotics engineers and AI researchers who wish to design and implement autonomous robotic systems using Generative AI techniques.

By the end of this training, participants will be able to:

  • Understand the core concepts of Generative AI as they apply to robotics.
  • Design and simulate autonomous robots using Generative AI models.
  • Implement AI algorithms for robotic perception and decision-making.
  • Evaluate the impact of AI-driven robots in various industries.
  • Address the ethical considerations of deploying autonomous robotic systems.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] => [overview] =>

Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] => [language] => es [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeairobot [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeairobot [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => geminiai [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] =>

Google Gemini AI is a cutting-edge large language model that offers advanced AI capabilities, such as natural language understanding, text generation, and semantic search, enabling developers to create more intuitive and responsive AI-driven applications.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to integrate AI functionalities into their applications using Google Gemini AI.

By the end of this training, participants will be able to:

  • Understand the fundamentals of large language models.
  • Set up and use Google Gemini AI for various AI tasks.
  • Implement text-to-text and image-to-text transformations.
  • Build basic AI-driven applications.
  • Explore advanced features and customization options in Google Gemini AI.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to integrate AI functionalities into their applications using Google Gemini AI.

By the end of this training, participants will be able to:

  • Understand the fundamentals of large language models.
  • Set up and use Google Gemini AI for various AI tasks.
  • Implement text-to-text and image-to-text transformations.
  • Build basic AI-driven applications.
  • Explore advanced features and customization options in Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] => [overview] =>

Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => 1 [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => geminiai [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => geminiai [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => geminiaiforcontentcreation [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] =>

Google Gemini AI is a transformative tool for content creators, offering capabilities that streamline the creation process of content for various mediums, such as web content, marketing materials, and multimedia projects.

This instructor-led, live training (online or onsite) is aimed at intermediate-level content creators who wish to utilize Google Gemini AI to enhance their content quality and efficiency.

By the end of this training, participants will be able to:

  • Understand the role of AI in content creation.
  • Set up and use Google Gemini AI to generate and optimize content.
  • Apply text-to-text transformations to produce creative and original content.
  • Implement SEO strategies using AI-driven insights.
  • Analyze content performance and adapt strategies using Gemini AI.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level content creators who wish to utilize Google Gemini AI to enhance their content quality and efficiency.

By the end of this training, participants will be able to:

  • Understand the role of AI in content creation.
  • Set up and use Google Gemini AI to generate and optimize content.
  • Apply text-to-text transformations to produce creative and original content.
  • Implement SEO strategies using AI-driven insights.
  • Analyze content performance and adapt strategies using Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] => [overview] =>

Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => geminiaiforcontentcreation [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => geminiaiforcontentcreation [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => geminiaiforcustomerservice [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] =>

Google Gemini AI is a versatile tool designed to revolutionize customer service interactions by leveraging advanced machine learning algorithms. It enhances real-time communication across various platforms such as live chat, email support, and social media engagement. By automating routine tasks and providing actionable insights from customer data, Google Gemini AI significantly improves the overall customer experience and operational efficiency.

This instructor-led, live training (online or onsite) is aimed at intermediate-level customer service professionals who wish to implement Google Gemini AI in their customer service operations.

By the end of this training, participants will be able to:

  • Understand the impact of AI on customer service.
  • Set up Google Gemini AI to automate and personalize customer interactions.
  • Utilize text-to-text and image-to-text transformations to improve service efficiency.
  • Develop AI-driven strategies for real-time customer feedback analysis.
  • Explore advanced features to create a seamless customer service experience.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level customer service professionals who wish to implement Google Gemini AI in their customer service operations.

By the end of this training, participants will be able to:

  • Understand the impact of AI on customer service.
  • Set up Google Gemini AI to automate and personalize customer interactions.
  • Utilize text-to-text and image-to-text transformations to improve service efficiency.
  • Develop AI-driven strategies for real-time customer feedback analysis.
  • Explore advanced features to create a seamless customer service experience.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] => [overview] =>

Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => geminiaiforcustomerservice [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => geminiaiforcustomerservice [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => geminiaifordataanalysis [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] =>

Google Gemini AI is a cutting-edge tool that provides users with natural language and visual interfaces to enhance data exploration, analysis, visualization, and communication.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level data analysts and business professionals who wish to perform complex data analysis tasks more intuitively across various industries using Google Gemini AI.

By the end of this training, participants will be able to:

  • Understand the fundamentals of Google Gemini AI.
  • Connect various data sources to Gemini AI.
  • Explore data using natural language queries.
  • Analyze data patterns and derive insights.
  • Create compelling data visualizations.
  • Communicate data-driven insights effectively.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level data analysts and business professionals who wish to perform complex data analysis tasks more intuitively across various industries using Google Gemini AI.

By the end of this training, participants will be able to:

  • Understand the fundamentals of Google Gemini AI.
  • Connect various data sources to Gemini AI.
  • Explore data using natural language queries.
  • Analyze data patterns and derive insights.
  • Create compelling data visualizations.
  • Communicate data-driven insights effectively.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] => [overview] =>

Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => geminiaifordataanalysis [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => geminiaifordataanalysis [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => generativeaillm [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] =>

Generative AI is a type of AI that can create original content such as text, images, music, and code. Large language models (LLMs) are powerful neural networks that can process and generate natural language. 

This instructor-led, live training (online or onsite) is aimed at intermediate-level developers who wish to learn how to use generative AI with LLMs for various tasks and domains.

By the end of this training, participants will be able to:

  • Explain what generative AI is and how it works.
  • Describe the transformer architecture that powers LLMs.
  • Use empirical scaling laws to optimize LLMs for different tasks and constraints.
  • Apply state-of-the-art tools and methods to train, fine-tune, and deploy LLMs.
  • Discuss the opportunities and risks of generative AI for society and business.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level developers who wish to learn how to use generative AI with LLMs for various tasks and domains.

By the end of this training, participants will be able to:

  • Explain what generative AI is and how it works.
  • Describe the transformer architecture that powers LLMs.
  • Use empirical scaling laws to optimize LLMs for different tasks and constraints.
  • Apply state-of-the-art tools and methods to train, fine-tune, and deploy LLMs.
  • Discuss the opportunities and risks of generative AI for society and business.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] => [overview] =>

La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural. 

Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios.

Al final de esta capacitación, los participantes serán capaces de:

  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios.

Al final de esta capacitación, los participantes serán capaces de:

    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => generativeaillm [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => generativeaillm [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llamaindex [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] =>

LlamaIndex is an open-source data framework designed for applications that use Large Language Models (LLMs) and benefit from context augmentation. It's particularly useful for systems known as Retrieval-Augmented Generation (RAG) systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI researchers, machine learning professionals, and data scientists who wish to use LlamaIndex to enhance the capabilities of AI models, making them more accurate and reliable for various applications.

By the end of this training, participants will be able to:

  • Understand the principles and components of LlamaIndex.
  • Ingest and structure data for use with LLMs.
  • Implement context augmentation to improve AI model performance.
  • Integrate LlamaIndex into existing AI systems and workflows.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level AI researchers, machine learning professionals, and data scientists who wish to use LlamaIndex to enhance the capabilities of AI models, making them more accurate and reliable for various applications.

By the end of this training, participants will be able to:

  • Understand the principles and components of LlamaIndex.
  • Ingest and structure data for use with LLMs.
  • Implement context augmentation to improve AI model performance.
  • Integrate LlamaIndex into existing AI systems and workflows.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] => [overview] =>

LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llamaindex [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llamaindex [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llamaindexdev [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] =>

LlamaIndex is a powerful indexing tool designed to enhance the capabilities of Large Language Models (LLMs) by allowing them to retrieve and utilize custom data sets effectively.

This instructor-led, live training (online or onsite) is aimed at beginner-level to advanced-level developers and data scientists who wish to master LlamaIndex for developing innovative LLM-powered applications.

By the end of this training, participants will be able to:

  • Set up and configure LlamaIndex for use with LLMs.
  • Index and query custom datasets using LlamaIndex to enhance LLM functionality.
  • Design and develop sophisticated applications that utilize LlamaIndex and LLMs.
  • Understand and apply best practices for working with LLMs and LlamaIndex.
  • Navigate the ethical considerations involved in deploying LLM-powered applications.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to advanced-level developers and data scientists who wish to master LlamaIndex for developing innovative LLM-powered applications.

By the end of this training, participants will be able to:

  • Set up and configure LlamaIndex for use with LLMs.
  • Index and query custom datasets using LlamaIndex to enhance LLM functionality.
  • Design and develop sophisticated applications that utilize LlamaIndex and LLMs.
  • Understand and apply best practices for working with LLMs and LlamaIndex.
  • Navigate the ethical considerations involved in deploying LLM-powered applications.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] => [overview] =>

LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.

Al final de esta capacitación, los participantes serán capaces de:

  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.

Al final de esta capacitación, los participantes serán capaces de:

  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] => [language] => es [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llamaindexdev [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llamaindexdev [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llm [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] =>

Large Language Models (LLMs) are deep neural network models that can generate natural language texts based on a given input or context. They are trained on large amounts of text data from various domains and sources, and they can capture the syntactic and semantic patterns of natural language. LLMs have achieved impressive results on various natural language tasks such as text summarization, question answering, text generation, and more.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to use Large Language Models for various natural language tasks.

By the end of this training, participants will be able to:

  • Set up a development environment that includes a popular LLM.
  • Create a basic LLM and fine-tune it on a custom dataset.
  • Use LLMs for different natural language tasks such as text summarization, question answering, text generation, and more.
  • Debug and evaluate LLMs using tools such as TensorBoard, PyTorch Lightning, and Hugging Face Datasets.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to use Large Language Models for various natural language tasks.

By the end of this training, participants will be able to:

  • Set up a development environment that includes a popular LLM.
  • Create a basic LLM and fine-tune it on a custom dataset.
  • Use LLMs for different natural language tasks such as text summarization, question answering, text generation, and more.
  • Debug and evaluate LLMs using tools such as TensorBoard, PyTorch Lightning, and Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] => [overview] =>

Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural.

Al final de esta capacitación, los participantes serán capaces de:

  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural.

Al final de esta capacitación, los participantes serán capaces de:

    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llm [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llm [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforacs [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] =>

Large Language Models (LLMs) are a type of artificial intelligence that processes and generates human-like text, enabling more natural and effective automated customer support.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level customer support and IT professionals who wish to implement LLMs to create responsive and intelligent customer support chatbots.

By the end of this training, participants will be able to:

  • Understand the fundamentals and architecture of Large Language Models (LLMs).
  • Design and integrate LLMs into customer support systems.
  • Enhance the responsiveness and user experience of chatbots.
  • Address ethical considerations and ensure compliance with industry standards.
  • Deploy and maintain an LLM-based chatbot for real-world applications.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level customer support and IT professionals who wish to implement LLMs to create responsive and intelligent customer support chatbots.

By the end of this training, participants will be able to:

  • Understand the fundamentals and architecture of Large Language Models (LLMs).
  • Design and integrate LLMs into customer support systems.
  • Enhance the responsiveness and user experience of chatbots.
  • Address ethical considerations and ensure compliance with industry standards.
  • Deploy and maintain an LLM-based chatbot for real-world applications.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] => [overview] =>

Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => 1 [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforacs [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforacs [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforbi [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] =>

Large Language Models (LLMs) are deep neural network models that can generate natural language texts based on a given input or context. LLMs for Business Intelligence is an exploration of the transformative impact of LLMs on business data analysis.

This instructor-led, live training (online or onsite) is aimed at intermediate-level business professionals and data analysts who wish to harness the power of LLMs for extracting business insights.

By the end of this training, participants will be able to:

  • Understand the fundamentals and applications of LLMs in the context of business intelligence.
  • Apply LLMs to analyze large datasets and extract meaningful insights.
  • Integrate LLM-driven analytics into strategic business decision-making processes.
  • Evaluate the ethical considerations and best practices for using LLMs in business.
  • Anticipate future trends in AI and prepare for the evolving landscape of business intelligence.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level business professionals and data analysts who wish to harness the power of LLMs for extracting business insights.

By the end of this training, participants will be able to:

  • Understand the fundamentals and applications of LLMs in the context of business intelligence.
  • Apply LLMs to analyze large datasets and extract meaningful insights.
  • Integrate LLM-driven analytics into strategic business decision-making processes.
  • Evaluate the ethical considerations and best practices for using LLMs in business.
  • Anticipate future trends in AI and prepare for the evolving landscape of business intelligence.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] => [overview] =>

Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforbi [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforbi [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforcg [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] =>

Large Language Models (LLMs) are powerful tools for automating and enhancing content creation.

This instructor-led, live training (online or onsite) is aimed at intermediate-level content creators, marketers, and educational technologists who wish to harness the power of LLMs for generating high-quality, diverse, and engaging content across various domains.

By the end of this training, participants will be able to:

  • Understand the capabilities of LLMs and their application in content generation.
  • Set up and use LLMs for generating various types of content.
  • Apply best practices for prompting and fine-tuning LLMs to produce desired outputs.
  • Evaluate the quality of AI-generated content and refine it for specific audiences.
  • Explore advanced techniques for creative and multi-modal content generation with LLMs.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level content creators, marketers, and educational technologists who wish to harness the power of LLMs for generating high-quality, diverse, and engaging content across various domains.

By the end of this training, participants will be able to:

  • Understand the capabilities of LLMs and their application in content generation.
  • Set up and use LLMs for generating various types of content.
  • Apply best practices for prompting and fine-tuning LLMs to produce desired outputs.
  • Evaluate the quality of AI-generated content and refine it for specific audiences.
  • Explore advanced techniques for creative and multi-modal content generation with LLMs.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] => [overview] =>

Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforcg [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforcg [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforcodegen [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] =>

Large Language Models (LLMs) are deep neural network models that can generate natural language texts based on a given input or context.

This instructor-led, live training (online or onsite) is aimed at intermediate-level software developers and technical writers who wish to leverage LLMs to streamline their coding workflow and create detailed, comprehensive documentation.

By the end of this training, participants will be able to:

  • Understand the role of LLMs in automating code generation and software documentation.
  • Utilize LLMs to create accurate and efficient code snippets and documentation.
  • Integrate LLMs into their software development lifecycle for enhanced productivity.
  • Maintain high-quality documentation standards using automated tools.
  • Address ethical considerations and best practices for using AI in software development.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level software developers and technical writers who wish to leverage LLMs to streamline their coding workflow and create detailed, comprehensive documentation.

By the end of this training, participants will be able to:

  • Understand the role of LLMs in automating code generation and software documentation.
  • Utilize LLMs to create accurate and efficient code snippets and documentation.
  • Integrate LLMs into their software development lifecycle for enhanced productivity.
  • Maintain high-quality documentation standards using automated tools.
  • Address ethical considerations and best practices for using AI in software development.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] => [overview] =>

Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforcodegen [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforcodegen [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsfornlp [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] =>

Large language models (LLMs) are AI models that can process and generate large amounts of natural language data, such as text, speech, and audio. LLMs can learn the patterns and structure of their input training data and then generate new data that has similar characteristics. LLMs can also perform various natural language processing (NLP) tasks, such as natural language understanding (NLU), natural language inference (NLI), knowledge graph construction and completion, commonsense reasoning, dialogue generation and management, and multimodal generation and understanding.

This instructor-led, live training (online or onsite) is aimed at intermediate-level data scientists, AI developers, and AI enthusiasts who wish to use LLMs to perform various NLP tasks and create novel and diverse content for different purposes.

By the end of this training, participants will be able to:

  • Establish a development environment with LLMs and essential tools.
  • Expertly perform NLU and NLI tasks with LLMs.
  • Extract, infer, and utilize knowledge graphs effectively.
  • Generate and manage dialogues using LLMs for conversational applications.
  • Evaluate content quality and diversity generated by LLMs and generative AI.
  • Apply ethical principles, ensuring fairness and responsible use of LLMs.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level data scientists, AI developers, and AI enthusiasts who wish to use LLMs to perform various NLP tasks and create novel and diverse content for different purposes.

By the end of this training, participants will be able to:

  • Establish a development environment with LLMs and essential tools.
  • Expertly perform NLU and NLI tasks with LLMs.
  • Extract, infer, and utilize knowledge graphs effectively.
  • Generate and manage dialogues using LLMs for conversational applications.
  • Evaluate content quality and diversity generated by LLMs and generative AI.
  • Apply ethical principles, ensuring fairness and responsible use of LLMs.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] => [overview] =>

Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.

Al final de esta capacitación, los participantes serán capaces de:

  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.

Al final de esta capacitación, los participantes serán capaces de:

  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsfornlp [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsfornlp [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforpe [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] =>

Large Language Models (LLMs) are used for processing and generating human-like text.

This instructor-led, live training (online or onsite) is aimed at educators, EdTech professionals, and researchers with varying levels of experience and expertise who wish to leverage LLMs for creating personalized educational experiences.

By the end of this training, participants will be able to:

  • Understand the architecture and capabilities of LLMs.
  • Identify opportunities for personalization in educational content using LLMs.
  • Design adaptive learning platforms that utilize LLMs for content personalization.
  • Implement LLM-driven strategies for enhancing student engagement and learning outcomes.
  • Evaluate the effectiveness of LLMs in educational settings and make data-driven decisions for improvements.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at educators, EdTech professionals, and researchers with varying levels of experience and expertise who wish to leverage LLMs for creating personalized educational experiences.

By the end of this training, participants will be able to:

  • Understand the architecture and capabilities of LLMs.
  • Identify opportunities for personalization in educational content using LLMs.
  • Design adaptive learning platforms that utilize LLMs for content personalization.
  • Implement LLM-driven strategies for enhancing student engagement and learning outcomes.
  • Evaluate the effectiveness of LLMs in educational settings and make data-driven decisions for
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] => [overview] =>

Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforpe [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforpe [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforsa [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] =>

Large Language Models (LLMs) are deep neural network models that can generate natural language texts based on a given input or context.

This instructor-led, live training (online or onsite) is aimed at intermediate-level data and marketing professionals who wish to apply LLMs to analyze and interpret public sentiment from various text sources such as social media posts, product reviews, and customer feedback.

By the end of this training, participants will be able to:

  • Understand the principles of sentiment analysis and its application using LLMs.
  • Preprocess and prepare datasets for sentiment analysis.
  • Train and fine-tune LLMs to accurately reflect sentiment in text.
  • Analyze sentiment in real-time from social media and other text sources.
  • Integrate sentiment analysis findings into business strategies and decision-making processes.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level data and marketing professionals who wish to apply LLMs to analyze and interpret public sentiment from various text sources such as social media posts, product reviews, and customer feedback.

By the end of this training, participants will be able to:

  • Understand the principles of sentiment analysis and its application using LLMs.
  • Preprocess and prepare datasets for sentiment analysis.
  • Train and fine-tune LLMs to accurately reflect sentiment in text.
  • Analyze sentiment in real-time from social media and other text sources.
  • Integrate sentiment analysis findings into business strategies and decision-making processes.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] => [overview] =>

Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => 1 [field_course_outline] => 1 [field_prerequisits] => 1 [field_overview_in_category] => 1 ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforsa [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforsa [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsforsrs [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] =>

Large Language Models (LLMs) are used in various AI applications, including speech recognition and synthesis, to process and generate human-like text and speech.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level software developers and data scientists who wish to implement LLMs in speech recognition and synthesis systems.

By the end of this training, participants will be able to:

  • Understand the role of LLMs in speech technologies.
  • Implement LLMs for accurate speech recognition and natural-sounding speech synthesis.
  • Integrate LLMs with speech recognition engines and speech synthesizers.
  • Evaluate and improve the performance of speech systems using LLMs.
  • Stay informed about current trends and future directions in speech technologies.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level software developers and data scientists who wish to implement LLMs in speech recognition and synthesis systems.

By the end of this training, participants will be able to:

  • Understand the role of LLMs in speech technologies.
  • Implement LLMs for accurate speech recognition and natural-sounding speech synthesis.
  • Integrate LLMs with speech recognition engines and speech synthesizers.
  • Evaluate and improve the performance of speech systems using LLMs.
  • Stay informed about current trends and future directions in speech technologies.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] => [overview] =>

Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsforsrs [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsforsrs [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => llmsrl [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] =>

Large Language Models (LLMs) are advanced types of neural networks designed to understand and generate human-like text based on the input they receive. Reinforcement Learning (RL) is a type of machine learning where an agent learns to make decisions by performing actions in an environment to maximize cumulative rewards.

This instructor-led, live training (online or onsite) is aimed at intermediate-level data scientists who wish to gain a comprehensive understanding and practical skills in both Large Language Models (LLMs) and Reinforcement Learning (RL).

By the end of this training, participants will be able to:

  • Understand the components and functionality of transformer models.
  • Optimize and fine-tune LLMs for specific tasks and applications.
  • Understand the core principles and methodologies of reinforcement learning.
  • Learn how reinforcement learning techniques can enhance the performance of LLMs.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at intermediate-level data scientists who wish to gain a comprehensive understanding and practical skills in both Large Language Models (LLMs) and Reinforcement Learning (RL).

By the end of this training, participants will be able to:

  • Understand the components and functionality of transformer models.
  • Optimize and fine-tune LLMs for specific tasks and applications.
  • Understand the core principles and methodologies of reinforcement learning.
  • Learn how reinforcement learning techniques can enhance the performance of LLMs.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] => [overview] =>

Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] => [language] => es [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => llmsrl [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => llmsrl [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "es" /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module:66 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 66 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "es" [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [3] => 66 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/np_outline/np_outline.module [line] => 25 [function] => np_outline_title [args] => Array ( [0] => slms [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 46 [function] => np_outline_get_value [args] => Array ( [0] => Array ( [en] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] =>

Small Language Models (SLMs) are a cutting-edge subset of AI that enables efficient language processing on devices with limited computational resources.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level data scientists and developers who wish to implement and leverage Small Language Models in various applications.

By the end of this training, participants will be able to:

  • Understand the architecture and functionality of Small Language Models.
  • Implement SLMs for tasks such as text generation and sentiment analysis.
  • Optimize and fine-tune SLMs for specific use cases.
  • Deploy SLMs in resource-constrained environments.
  • Evaluate and interpret the performance of SLMs in real-world scenarios.

Format of the Course

  • Interactive lecture and discussion.
  • Lots of exercises and practice.
  • Hands-on implementation in a live-lab environment.

Course Customization Options

  • To request a customized training for this course, please contact us to arrange.
[category_overview] =>

This instructor-led, live training in <loc> (online or onsite) is aimed at beginner-level to intermediate-level data scientists and developers who wish to implement and leverage Small Language Models in various applications.

By the end of this training, participants will be able to:

  • Understand the architecture and functionality of Small Language Models.
  • Implement SLMs for tasks such as text generation and sentiment analysis.
  • Optimize and fine-tune SLMs for specific use cases.
  • Deploy SLMs in resource-constrained environments.
  • Evaluate and interpret the performance of SLMs in real-world scenarios.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) [es] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] => [overview] =>

Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.

Formato del curso

  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] =>

Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.

Al final de esta capacitación, los participantes serán capaces de:

  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] => [language] => es [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) ) ) ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 54 [function] => hrquery_get_outline_by_cc_langs [args] => Array ( [0] => slms [1] => Array ( [0] => en [1] => es ) ) ) [4] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 63 [function] => _hrquery_get_outline_by_course_code [args] => Array ( [0] => slms [1] => Array ( [0] => en [1] => es ) ) ) [5] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 74 [function] => hrquery_get_outline_by_course_code [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) [1] => Array ( [0] => en [1] => es ) ) ) [6] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/frontend/denorm.logic.php [line] => 118 [function] => hrquery_get_outlines_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [7] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-functions.php [line] => 25 [function] => hrquery_denorm_get_outlines_with_plain_text_overview_by_course_codes [args] => Array ( [0] => Array ( [0] => firefly [1] => generativeai [2] => generativeaiadv [3] => generativeaiart [4] => generativeaics [5] => generativeaidev [6] => generativeaids [7] => generativeaiedu [8] => generativeaifun [9] => generativeaihealth [10] => generativeaimngr [11] => generativeairobot [12] => geminiai [13] => geminiaiforcontentcreation [14] => geminiaiforcustomerservice [15] => geminiaifordataanalysis [16] => generativeaillm [17] => llamaindex [18] => llamaindexdev [19] => llm [20] => llmsforacs [21] => llmsforbi [22] => llmsforcg [23] => llmsforcodegen [24] => llmsfornlp [25] => llmsforpe [26] => llmsforsa [27] => llmsforsrs [28] => llmsrl [29] => slms ) ) ) [8] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 313 [function] => term_cat_page_render_course_in_category_v2 [args] => Array ( [0] => 4879 [1] => 1 ) ) [9] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 91 [function] => category_get_outlines_in_category [args] => Array ( [0] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) ) ) [10] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [11] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [12] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [13] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [14] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_site_production_url" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_site_production_url" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 131 [function] => variable_get [args] => Array ( [0] => nobleprog_site_production_url ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 94 [function] => islc_get_current_site [args] => Array ( ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7_block.inc [line] => 34 [function] => islc_get_site_list [args] => Array ( ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 94 [function] => islc7_sites_links_array_v3 [args] => Array ( ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "devel_domain" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "devel_domain" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 99 [function] => variable_get [args] => Array ( [0] => devel_domain [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7_block.inc [line] => 34 [function] => islc_get_site_list [args] => Array ( ) ) [3] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 94 [function] => islc7_sites_links_array_v3 [args] => Array ( ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [5] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [7] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [8] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_site_production_url" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_site_production_url" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 131 [function] => variable_get [args] => Array ( [0] => nobleprog_site_production_url ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7_block.inc [line] => 44 [function] => islc_get_current_site [args] => Array ( ) ) [3] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 94 [function] => islc7_sites_links_array_v3 [args] => Array ( ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [5] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [7] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [8] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => geminiai [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => geminiai ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => geminiai [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => geminiai ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => geminiai [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => geminiai ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => generativeaifun [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaifun ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => generativeaifun [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaifun ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => generativeaifun [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaifun ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => llamaindex [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => llamaindex ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => llamaindex [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => llamaindex ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => llamaindex [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => llamaindex ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => geminiaiforcontentcreation [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => geminiaiforcontentcreation ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => geminiaiforcontentcreation [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => geminiaiforcontentcreation ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => geminiaiforcontentcreation [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => geminiaiforcontentcreation ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 4550 [adp] => 950 [reduced_fdp] => [reduced_adp] => [days] => 3 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 21 [course_code] => generativeaiedu [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaiedu ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 4550 [adp] => 950 [reduced_fdp] => [reduced_adp] => [days] => 3 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 21 [course_code] => generativeaiedu [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaiedu ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 4550 [adp] => 950 [reduced_fdp] => [reduced_adp] => [days] => 3 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 21 [course_code] => generativeaiedu [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaiedu ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 4550 [adp] => 950 [reduced_fdp] => [reduced_adp] => [days] => 3 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 21 [course_code] => generativeaids [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaids ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 4550 [adp] => 950 [reduced_fdp] => [reduced_adp] => [days] => 3 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 21 [course_code] => generativeaids [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaids ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 4550 [adp] => 950 [reduced_fdp] => [reduced_adp] => [days] => 3 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 21 [course_code] => generativeaids [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => generativeaids ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "sdp" /apps/nobleprog-website/includes/functions/course-prices.php:281 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 281 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "sdp" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 281 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => llmsforacs [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => llmsforacs ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_default_trainer_journey" /apps/nobleprog-website/includes/functions/course-prices.php:286 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 286 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_default_trainer_journey" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 286 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => llmsforacs [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => llmsforacs ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_price_rounding" /apps/nobleprog-website/includes/functions/course-prices.php:289 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 289 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_price_rounding" [2] => /apps/nobleprog-website/includes/functions/course-prices.php [3] => 289 ) ) [1] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-prices.php [line] => 45 [function] => course_price_table [args] => Array ( [0] => Array ( [fdp] => 3150 [adp] => 750 [reduced_fdp] => [reduced_adp] => [days] => 2 [default_venue_fdc] => 350 [default_venue_adc] => 50 [people] => 1 [hours] => 14 [course_code] => llmsforacs [venue_id] => ve_10638169 [vfdc] => 250.00 [vadc] => 75.00 ) [1] => 10 ) ) [2] => Array ( [file] => /apps/nobleprog-website/includes/functions/course-schedule.php [line] => 60 [function] => course_price_virtual_event_price [args] => Array ( [0] => llmsforacs ) ) [3] => Array ( [file] => /apps/nobleprog-website/includes/functions/category-functions.php [line] => 368 [function] => np_upcoming_courses_schedule [args] => Array ( [0] => Array ( [llmsrl] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [llmsforcg] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [llmsforpe] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [llmsforsrs] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [llmsforacs] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [llmsforsa] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [generativeaiart] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [llmsforcodegen] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [generativeaihealth] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [llmsforbi] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [generativeairobot] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [llamaindexdev] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [generativeaiedu] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [llamaindex] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [generativeaids] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [geminiaifordataanalysis] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [generativeaidev] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [geminiaiforcontentcreation] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [generativeaics] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [geminiaiforcustomerservice] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [generativeaimngr] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [geminiai] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [generativeaiadv] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [generativeaillm] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [generativeaifun] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [firefly] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [llmsfornlp] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [generativeai] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [llm] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [slms] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [1] => Array ( [0] => ve_1805 ) ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 97 [function] => category_get_upcoming_courses [args] => Array ( [0] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) [1] => Array ( [0] => stdClass Object ( [course_code] => llmsrl [hr_nid] => 480107 [title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [requirements] =>
  • Basic understanding of Machine Learning

Audience

  • Data scientists
  • Software engineers
[overview] => Large Language Models (LLMs) son tipos avanzados de redes neuronales diseñadas para comprender y generar texto similar al humano en función de la información que reciben. Reinforcement Learning (RL) es un tipo de aprendizaje automático en el que un agente aprende a tomar decisiones realizando acciones en un entorno para maximizar las recompensas acumuladas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Definition and significance
  • Applications in AI today

Transformer Architecture

  • What is a transformer and how does it work?
  • Main components and features
  • Embedding and positional encoding
  • Multi-head attention
  • Feed-forward neural network
  • Normalization and residual connections

Transformer Models

  • Self-attention mechanism
  • Encoder-decoder architecture
  • Positional embeddings
  • BERT (Bidirectional Encoder Representations from Transformers)
  • GPT (Generative Pretrained Transformer)

Performance Optimization and Pitfalls

  • Context length
  • Mamba and state-space models
  • Flash attention
  • Sparse transformers
  • Vision transformers
  • Importance of quantization

Improving Transformers

  • Retrieval augmented text generation
  • Mixture of models
  • Tree of thoughts

Fine-Tuning

  • Theory of low-rank adaptation
  • Fine-Tuning with QLora

Scaling Laws and Optimization in LLMs

  • Importance of scaling laws for LLMs
  • Data and model size scaling
  • Computational scaling
  • Parameter efficiency scaling

Optimization

  • Relationship between model size, data size, compute budget, and inference requirements
  • Optimizing performance and efficiency of LLMs
  • Best practices and tools for training and fine-tuning LLMs

Training and Fine-Tuning LLMs

  • Steps and challenges of training LLMs from scratch
  • Data acquisition and maintenance
  • Large-scale data, CPU, and memory requirements
  • Optimization challenges
  • Landscape of open-source LLMs

Fundamentals of Reinforcement Learning (RL)

  • Introduction to Reinforcement Learning
  • Learning through positive reinforcement
  • Definition and core concepts
  • Markov Decision Process (MDP)
  • Dynamic programming
  • Monte Carlo methods
  • Temporal Difference Learning

Deep Reinforcement Learning

  • Deep Q-Networks (DQN)
  • Proximal Policy Optimization (PPO)
  • Elements of Reinforcement Learning

Integration of LLMs and Reinforcement Learning

  • Combining LLMs with Reinforcement Learning
  • How RL is used in LLMs
  • Reinforcement Learning with Human Feedback (RLHF)
  • Alternatives to RLHF

Case Studies and Applications

  • Real-world applications
  • Success stories and challenges

Advanced Topics

  • Advanced techniques
  • Advanced optimization methods
  • Cutting-edge research and developments

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715933508 [source_title] => Large Language Models (LLMs) and Reinforcement Learning (RL) [source_language] => en [cert_code] => [weight] => -1018 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsrl ) [1] => stdClass Object ( [course_code] => llmsforcg [hr_nid] => 478827 [title] => LLMs for Content Generation [requirements] =>
  • Familiarity with content creation processes
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required

Audience

  • Content creators and marketers
  • Educational technologists and curriculum designers
  • Machine learning enthusiasts and developers
[overview] => Large Language Models (LLMs) son herramientas poderosas para automatizar y mejorar la creación de contenido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
[outline] =>

Introduction to Large Language Models (LLMs)

  • What are LLMs?
  • The role of LLMs in content generation
  • Overview of the most popular LLMs

Setting Up for Content Generation

  • Preparing data for LLMs
  • Understanding model parameters and settings
  • Introduction to fine-tuning techniques

Generating Content with LLMs

  • Hands-on: Generating articles, blogs, and creative writing
  • Techniques for prompting and guiding LLMs
  • Case studies of LLM-generated content

Refining and Evaluating Content

  • Editing and revising AI-generated content
  • Metrics for evaluating content quality
  • Addressing biases and ethical considerations

Advanced Content Generation Techniques

  • Advanced fine-tuning methods
  • Multi-modal content generation with LLMs
  • Exploring the limits of creativity with LLMs

Industry Applications and Case Studies

  • LLMs in marketing, journalism, and entertainment
  • Success stories and lessons learned
  • Industry expert insight

Ethical Considerations and Future Directions

  • Ethical use of LLMs
  • Data Privacy and Security
  • Future of LLMs in content generation

Project and Assessment

  • Developing a content generation project
  • Applying best practices and techniques learned
  • Peer review and feedback sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714339332 [source_title] => LLMs for Content Generation [source_language] => en [cert_code] => [weight] => -1017 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcg ) [2] => stdClass Object ( [course_code] => llmsforpe [hr_nid] => 478823 [title] => LLMs for Personalized Education [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with programming in Python is recommended but not required
  • Familiarity with educational technology is beneficial

Audience

  • Educators
  • EdTech developers
  • Researchers in the field of educational technology
[overview] => Large Language Models (LLMs) se utilizan para procesar y generar texto similar al humano.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la eficacia de los LLM en entornos educativos y tome decisiones basadas en datos para mejorar.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of LLMs
  • Evolution of LLMs in educational technology
  • Understanding the architecture of LLMs

Personalization in Education

  • The need for personalized learning
  • Current approaches to personalization
  • Challenges and opportunities

LLMs and Content Adaptation

  • LLMs in content creation and curation
  • Adapting content to learning styles and levels
  • Multitasking with LLMs for content adaptation

LLMs in Practice

  • Case studies: Successful LLM applications in education
  • Interactive session: LLMs at work

Designing Adaptive Learning Platforms

  • Principles of adaptive learning platform design
  • Incorporating LLMs into platform architecture
  • User experience and interface considerations

Implementation and Testing

  • Developing a prototype adaptive learning platform
  • Testing and iteration
  • Collecting and analyzing user feedback

Evaluating LLM Effectiveness

  • Metrics for measuring LLM impact on learning
  • Research methods for educational technology
  • Case study analysis and discussion

Ethical Considerations and Future Directions

  • Ethical implications of LLMs in education
  • Ensuring inclusivity and fairness
  • Predictions for the future of LLMs in personalized learning

Project and Assessment

  • Designing and presenting a proposal for an LLM-based adaptive learning platform
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714337091 [source_title] => LLMs for Personalized Education [source_language] => en [cert_code] => [weight] => -1016 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforpe ) [3] => stdClass Object ( [course_code] => llmsforsrs [hr_nid] => 478779 [title] => LLMs for Speech Recognition and Synthesis [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning and neural network concepts is beneficial

Audience

  • Software developers
  • Data scientists
  • Product managers
[overview] => Large Language Models (LLMs) se utilizan en diversas aplicaciones de IA, como el reconocimiento y la síntesis de voz, para procesar y generar texto y voz similares a los humanos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de síntesis y reconocimiento de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
[outline] =>

Introduction to Speech Recognition and Synthesis

  • Fundamentals of speech technologies
  • Basics of speech recognition systems
  • Overview of speech synthesis

Role of LLMs in Speech Technologies

  • Understanding LLMs in speech recognition
  • LLMs in speech synthesis
  • Advantages of LLMs over traditional models

Data for Speech Recognition and Synthesis

  • Data collection and processing for speech technologies
  • Training data sets for LLMs
  • Ethical considerations in data handling

Training LLMs for Speech Applications

  • Deep learning techniques in speech recognition
  • Neural network architectures for speech synthesis
  • Fine-tuning LLMs for specific speech tasks

Implementing LLMs in Speech Systems

  • Integration of LLMs with speech recognition engines
  • Developing natural-sounding speech synthesizers
  • User interface design for speech applications

Testing and Evaluating Speech Systems

  • Methods for testing speech recognition accuracy
  • Evaluating the naturalness of synthesized speech
  • User studies and feedback collection

Challenges and Solutions in Speech Technologies

  • Addressing common issues in speech recognition
  • Overcoming obstacles in speech synthesis
  • Case studies: successful implementations of LLMs

Future Directions in Speech Technologies

  • Emerging trends in speech recognition and synthesis
  • The role of LLMs in multilingual speech systems
  • Innovations and research opportunities

Project and Assessment

  • Designing and implementing a speech recognition or synthesis system using LLMs
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714179044 [source_title] => LLMs for Speech Recognition and Synthesis [source_language] => en [cert_code] => [weight] => -1015 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsrs ) [4] => stdClass Object ( [course_code] => llmsforacs [hr_nid] => 478775 [title] => LLMs for Automated Customer Support [requirements] =>
  • An understanding of basic programming concepts
  • Experience with Python programming is recommended but not required
  • Familiarity with basic machine learning concepts is beneficial

Audience

  • Customer support professionals
  • IT professionals
  • Business analysts
[overview] => Large Language Models (LLMs) son un tipo de inteligencia artificial que procesa y genera texto similar al humano, lo que permite una atención al cliente automatizada más natural y eficaz.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
[outline] =>

Introduction to Large Language Models (LLMs)

  • Overview of AI in customer support
  • Fundamentals of LLMs
  • Evolution of chatbots: from simple scripts to AI-driven support

Architecture of LLMs

  • Understanding the building blocks of LLMs
  • Neural networks and deep learning in LLMs
  • Training LLMs: data, algorithms, and computational resources

Implementing LLMs in Chatbots

  • Integration strategies for LLMs in existing systems
  • Designing conversational flows and user interactions
  • Ensuring contextual understanding and coherence

Enhancing Chatbot Responsiveness

  • Techniques for real-time response generation
  • Handling concurrent conversations
  • Personalization and predictive support

User Experience and Interface Design

  • Crafting user-friendly chatbot interfaces
  • Visual and textual cues for better engagement
  • Feedback loops and continuous improvement

Ethical Considerations and Compliance

  • Privacy and data security with LLMs
  • Ethical use of AI in customer support
  • Adhering to industry standards and regulations

Testing and Deployment

  • Quality assurance and testing methodologies
  • Deployment strategies for scalability and reliability
  • Monitoring and maintenance of chatbot systems

Case Studies and Real-world Applications

  • Analyzing successful implementations of LLM chatbots
  • Lessons learned and best practices
  • Future trends and innovations in AI-driven customer support

Project and Assessment

  • Designing and building an LLM-based chatbot
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714178618 [source_title] => LLMs for Automated Customer Support [source_language] => en [cert_code] => [weight] => -1014 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforacs ) [5] => stdClass Object ( [course_code] => llmsforsa [hr_nid] => 478579 [title] => LLMs for Sentiment Analysis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with text data preprocessing and analysis
  • Familiarity with Python programming

Audience

  • Data scientists and analysts
  • Marketing professionals
  • Product managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
[outline] =>

Introduction to Sentiment Analysis

  • Fundamentals of sentiment analysis
  • Challenges and opportunities in sentiment analysis
  • Overview of LLMs and their capabilities

LLMs and Natural Language Understanding

  • Deep dive into LLMs architecture
  • Understanding context and sentiment with LLMs
  • Preprocessing data for sentiment analysis

Building Sentiment Analysis Models with LLMs

  • Training LLMs for sentiment analysis
  • Fine-tuning models for specific domains
  • Practical exercises on model training

Analyzing Social Media with LLMs

  • Collecting social media data for analysis
  • Real-time sentiment tracking on social platforms
  • Case studies of social sentiment analysis

Sentiment Analysis in Customer Feedback

  • Extracting insights from customer reviews and surveys
  • Enhancing customer service with sentiment analysis
  • Workshop on feedback analysis

Advanced Topics in Sentiment Analysis

  • Addressing sarcasm, irony, and complex emotions
  • Cross-language sentiment analysis
  • Future trends in sentiment analysis with LLMs

Ethical Considerations and Bias Mitigation

  • Ethical implications of sentiment analysis
  • Identifying and mitigating bias in models
  • Responsible use of sentiment analysis

Project and Assessment

  • Analyzing sentiment from a chosen dataset
  • Peer reviews and group discussions
  • Final assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714098211 [source_title] => LLMs for Sentiment Analysis [source_language] => en [cert_code] => [weight] => -1013 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforsa ) [6] => stdClass Object ( [course_code] => generativeaiart [hr_nid] => 480643 [title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [requirements] =>
  • Basic understanding of artificial intelligence and machine learning
  • Familiarity with programming concepts
  • Interest in creative arts and entertainment

Audience

  • Artists
  • Musicians
  • Game developers
  • Entertainment industry professionals
[overview] => Generative AI está revolucionando la industria del entretenimiento al permitir la creación de música, videojuegos, literatura y otras formas de arte de formas sin precedentes. Este curso profundizará en las diversas aplicaciones de la IA en el entretenimiento, explorando cómo estas tecnologías no solo están mejorando el proceso creativo, sino que también están dando forma al futuro de las artes.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
[outline] =>

Introduction to Generative AI in Entertainment

  • The rise of AI in creative industries
  • Overview of generative models and algorithms
  • Understanding the AI-artist collaboration

AI in Music Creation

  • Algorithmic composition and sound design
  • Tools and platforms for AI-generated music
  • Analyzing AI's role in music production and performance

AI in Literature and Scriptwriting

  • AI-driven storytelling and narrative generation
  • Tools for automated writing and content creation
  • Case studies: AI-authored books and scripts

AI in Visual Arts and Design

  • Generative models for visual content creation
  • AI in animation and graphic design
  • The future of AI in film and visual effects

AI in Video Game Development

  • Procedural generation and dynamic content creation
  • Enhancing gameplay with AI-driven characters and environments
  • AI's influence on game design and player interaction

Ethical and Societal Considerations

  • The authenticity and originality of AI-generated content
  • Intellectual property rights in the age of AI
  • The societal impact of AI in entertainment

Capstone Project and Future Directions

  • Conceptualizing and creating an AI-generated piece of entertainment
  • Presenting and evaluating projects
  • The evolving landscape of AI in entertainment

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715980586 [source_title] => Generative AI in Entertainment: Crafting the Future of Creative Arts [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiart ) [7] => stdClass Object ( [course_code] => llmsforcodegen [hr_nid] => 478571 [title] => LLMs for Code Generation and Documentation [requirements] =>
  • An understanding of software development processes
  • Experience with a programming language (e.g., Python, JavaScript)
  • Familiarity with basic machine learning concepts

Audience

  • Software developers
  • Technical writers
  • Project managers
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
[outline] =>

Introduction to LLMs in Software Development

  • Overview of LLMs and their role in code generation
  • The evolution of automated coding tools
  • Understanding the capabilities and limitations of LLMs for coding

LLMs for Automated Code Generation

  • Setting up LLMs for code generation
  • Best practices for writing prompts and interpreting LLM outputs
  • Hands-on exercises with LLMs to generate code for common patterns

Enhancing Code Quality with LLMs

  • Using LLMs for code review and bug fixing
  • Integrating LLMs with version control systems
  • Case studies on LLMs improving code efficiency

LLMs for Software Documentation

  • Automating documentation generation with LLMs
  • Ensuring consistency and completeness in documentation
  • Customizing LLMs for different documentation styles and standards

Advanced Techniques in LLMs

  • Fine-tuning LLMs for specific coding languages and frameworks
  • Developing custom LLM models for unique project needs
  • Exploring the latest advancements in LLM technology

Ethical and Legal Considerations

  • Addressing the ethical implications of automated code generation
  • Understanding the legal aspects of using LLM-generated code
  • Best practices for responsible use of LLMs in software development

Project Work

  • Implementing LLMs in a coding task
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714096635 [source_title] => LLMs for Code Generation and Documentation [source_language] => en [cert_code] => [weight] => -1012 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforcodegen ) [8] => stdClass Object ( [course_code] => generativeaihealth [hr_nid] => 480639 [title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Introductory knowledge of biology and healthcare systems

Audience

  • Healthcare professionals
  • Data analysts
  • Policy makers
[overview] => Generative AI es una tecnología transformadora que aprovecha los modelos de aprendizaje automático para generar nuevas instancias sintéticas de datos que se pueden utilizar para una variedad de aplicaciones en la atención médica.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
[outline] =>

Introduction to Generative AI

  • Understanding AI and machine learning fundamentals
  • Deep dive into generative models
  • The landscape of generative AI in healthcare

Generative AI in Drug Discovery

  • Accelerating drug design with AI
  • Case studies: Success stories and challenges
  • Virtual screening and predictive models

Personalized Medicine through Generative AI

  • Tailoring treatments with AI
  • Genomics and AI: A new era of personalization
  • Ethical considerations in AI-powered personalized medicine

Advancements in Medical Imaging

  • Enhancing diagnostics with generative AI
  • 3D medical imaging and AI reconstruction techniques
  • Improving patient outcomes with AI-assisted imaging

Real-World Applications and Future Directions

  • Integrating generative AI into clinical practice
  • The future of AI in patient care and management
  • Final project: Proposing an AI solution for a healthcare challenge

Ethical and Societal Implications

  • Navigating the ethical landscape of AI in healthcare
  • Data privacy, security, and governance
  • Preparing for the future: Policy and regulation

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1715979197 [source_title] => Generative AI in Healthcare: Transforming Medicine and Patient Care [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaihealth ) [9] => stdClass Object ( [course_code] => llmsforbi [hr_nid] => 478567 [title] => LLMs for Business Intelligence [requirements] =>
  • An understanding of business intelligence concepts
  • Experience with data analysis and basic programming skills
  • Familiarity with machine learning principles

Audience

  • Business analysts
  • Data scientists
  • Strategic planners
[overview] => Large Language Models (LLMs) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Los LLM para Business Intelligence son una exploración del impacto transformador de los LLM en el análisis de datos empresariales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que deseen aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
[outline] =>

Introduction to LLMs and Business Intelligence

  • Overview of LLMs in the context of business analytics
  • The role of LLMs in data-driven decision-making
  • Understanding the capabilities and limitations of LLMs

Data Analysis with LLMs

  • Preparing datasets for LLM analysis
  • Techniques for data extraction and processing using LLMs
  • Generating reports and visualizations with LLMs

Market Analysis Using LLMs

  • Sentiment analysis and customer feedback interpretation
  • Competitive intelligence gathering with LLMs
  • Predictive modeling for market trends

Strategic Planning with LLMs

  • Integrating LLM insights into business strategy
  • Scenario planning and risk assessment with LLMs
  • Crafting data-informed business plans

Case Studies and Industry Applications

  • Review of successful LLM applications in various industries
  • Discussion on the impact of LLMs on business outcomes
  • Group analysis of real-world business problems

Ethical Considerations and Data Governance

  • Addressing ethical concerns in using LLMs for business intelligence
  • Ensuring data privacy and compliance in LLM applications
  • Best practices for data governance with LLMs

Hands-On Project

  • Applying LLMs to a business intelligence challenge
  • Peer reviews and collaborative problem-solving sessions

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714094842 [source_title] => LLMs for Business Intelligence [source_language] => en [cert_code] => [weight] => -1011 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsforbi ) [10] => stdClass Object ( [course_code] => generativeairobot [hr_nid] => 479011 [title] => Generative AI in Robotics: Creating Autonomous Solutions [requirements] =>
  • An understanding of robotics fundamentals
  • Experience with programming in Python or C++
  • Familiarity with basic AI concepts

Audience

  • Robotics engineers
  • AI researchers
[overview] => Generative AI es un campo de vanguardia de la IA que se centra en la creación de sistemas que puedan generar patrones y comportamientos nuevos y complejos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
[outline] =>

Introduction to Generative AI in Robotics

  • Understanding Generative AI
  • Core concepts in robotics and automation
  • Overview of AI-driven robotic systems

Designing AI-Generated Robots

  • Generative design processes for robotics
  • Simulation and virtual testing of robotic models
  • Case studies of generative robotics in action

AI in Robotic Perception and Decision-Making

  • Sensory data processing with AI
  • Machine learning for robotic cognition
  • Workshop: Programming AI for robotic decision-making

Robotics in Manufacturing and Industry

  • Automation and AI in industrial settings
  • Collaborative robots (cobots) and human-robot interaction
  • Impact assessment of AI robotics on workforce and productivity

AI Robotics in Service and Healthcare

  • Service robots in retail, hospitality, and customer service
  • AI-driven robots in healthcare and assisted living
  • Ethical considerations in service robotics

Challenges and Future Directions

  • Addressing technical and ethical challenges in AI robotics
  • The future landscape of robotics in society
  • Preparing for the next wave of AI advancements in robotics

Capstone Project

  • Designing an AI-driven robotic solution for a real-world problem
  • Implementing and testing the robotic prototype
  • Critical analysis and feedback

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1714523875 [source_title] => Generative AI in Robotics: Creating Autonomous Solutions [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeairobot ) [11] => stdClass Object ( [course_code] => llamaindexdev [hr_nid] => 476715 [title] => LlamaIndex: Developing LLM Powered Applications [requirements] =>
  • An understanding of Python programming and basic machine learning concepts
  • Experience with APIs and application development
  • Familiarity with natural language processing is beneficial but not required

Audience

  • Developers
  • Data scientists
[overview] => LlamaIndex es una poderosa herramienta de indexación diseñada para mejorar las capacidades de Large Language Models (LLMs) al permitirles recuperar y utilizar conjuntos de datos personalizados de manera efectiva.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
[outline] =>

Introduction to LlamaIndex

  • Understanding LlamaIndex and its role in LLMs
  • Setting up LlamaIndex: environment and prerequisites
  • The basics of indexing custom data

LlamaIndex in Action

  • Querying with LlamaIndex: techniques and best practices
  • Building query and chat engines with LlamaIndex
  • Creating intuitive Streamlit interfaces for LLM applications

Advanced LlamaIndex Features

  • Employing retrieval-augmented generation (RAG) for enhanced data retrieval
  • Leveraging vectorstores for efficient data management
  • Designing and implementing LlamaIndex agents

Application Development with LlamaIndex

  • Prompt engineering: chain of thought, ReAct, few-shot prompting
  • Developing a documentation helper: a real-world LLM application
  • Debugging and testing LLM applications

Deployment and Scaling

  • Deploying LlamaIndex-based applications
  • Scaling LLM applications for high performance
  • Monitoring and optimizing LLM applications

Ethical and Practical Considerations

  • Navigating ethical implications in LLM applications
  • Ensuring privacy and data security with LlamaIndex
  • Preparing for future developments in LLM technology

Summary and Next Steps

[language] => en [duration] => 42 [status] => published [changed] => 1712622902 [source_title] => LlamaIndex: Developing LLM Powered Applications [source_language] => en [cert_code] => [weight] => -1010 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindexdev ) [12] => stdClass Object ( [course_code] => generativeaiedu [hr_nid] => 479007 [title] => Generative AI in Education: Enhancing Personalized Learning [requirements] =>
  • An understanding of basic AI and machine learning concepts
  • Experience with Python programming
  • Familiarity with educational technology

Audience

  • Educators
  • Edtech professionals
  • School administrators
[overview] => Generative AI es una rama innovadora de la inteligencia artificial centrada en la creación de algoritmos que pueden generar nuevos puntos de datos, contenido o soluciones nunca antes vistos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
[outline] =>

Introduction to Generative AI in Education

  • Understanding Generative AI
  • The role of AI in modern education
  • Case studies of AI-driven educational platforms

Personalizing Learning with AI

  • AI algorithms for adaptive learning
  • Creating dynamic learning pathways
  • Data-driven insights into student performance

AI-Generated Educational Content

  • Tools for automating content creation
  • Ensuring content quality and relevance
  • Workshop: Designing AI-generated lesson plans

AI in Classroom Management and Administration

  • Streamlining administrative tasks with AI
  • AI for grading and assessments
  • Enhancing teacher-student interactions

Ethical Considerations in AI for Education

  • Privacy and data protection for students
  • Bias and fairness in AI algorithms
  • Promoting responsible AI use in schools

The Future of AI in Education

  • Emerging trends in educational technology
  • Preparing for the AI-augmented classroom
  • Long-term implications for educators and learners

Capstone Project

  • Developing an AI-driven educational tool
  • Implementing AI solutions in a real-world educational setting
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714522059 [source_title] => Generative AI in Education: Enhancing Personalized Learning [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiedu ) [13] => stdClass Object ( [course_code] => llamaindex [hr_nid] => 476587 [title] => LlamaIndex: Enhancing Contextual AI [requirements] =>
  • Basic understanding of AI and machine learning concepts
  • Familiarity with Large Language Models (LLMs)
  • Experience with programming and data handling

Audience

  • AI researchers
  • Machine learning professionals
  • Data scientists
[overview] => LlamaIndex es un marco de datos de código abierto diseñado para aplicaciones que usan Large Language Models (LLMs) y se benefician del aumento de contexto. Es particularmente útil para los sistemas conocidos como sistemas de generación aumentada de recuperación (RAG).Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
[outline] =>

Introduction to LlamaIndex and Context Augmentation

  • Overview of LlamaIndex
  • The role of context augmentation in AI
  • Benefits of using LlamaIndex with LLMs

Setting Up LlamaIndex

  • Installation and configuration
  • Understanding the architecture and components
  • Data connectors and ingestion

Data Indexing and Access

  • Creating data indexes for efficient access
  • Query engines and natural language access
  • Best practices for data structuring

Integrating LlamaIndex with LLMs

  • Enhancing LLMs with contextually relevant data
  • Practical exercises: Augmenting chatbots and text generators
  • Troubleshooting and optimization

Application Scenarios and Case Studies

  • Use cases in various industries
  • Review of successful implementations
  • Building a context-augmented AI solution

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1712369760 [source_title] => LlamaIndex: Enhancing Contextual AI [source_language] => en [cert_code] => [weight] => -1009 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llamaindex ) [14] => stdClass Object ( [course_code] => generativeaids [hr_nid] => 479003 [title] => Generative AI for Data Synthesis [requirements] =>
  • An understanding of basic machine learning concepts
  • Experience with Python programming
  • Familiarity with data science workflows

Audience

  • Data scientists
  • AI practitioners
[overview] => Generative AI es un área de la inteligencia artificial que se centra en la creación de nuevos contenidos, datos y modelos que puedan imitar las distribuciones del mundo real. Los datos sintéticos son un sustituto de los datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
[outline] =>

Introduction to Generative AI

  • Defining generative AI
  • Overview of generative models (GANs, VAEs, etc.)
  • Applications and case studies

The Need for Synthetic Data

  • Limitations of real data
  • Privacy and security concerns
  • Enhancing AI model robustness

Generating Synthetic Data

  • Techniques for synthetic data generation
  • Ensuring data quality and diversity
  • Practical workshop: Creating your first synthetic dataset

Evaluating Synthetic Data

  • Metrics for assessing synthetic data quality
  • Comparing synthetic vs. real data performance
  • Case study analysis

Ethical and Legal Aspects

  • Navigating the ethical landscape
  • Legal frameworks and compliance
  • Balancing innovation with responsibility

Advanced Topics in Data Synthesis

  • Synthetic data for unsupervised learning
  • Cross-domain data synthesis
  • Future trends in generative AI

Capstone Project

  • Applying knowledge to real-world scenarios
  • Developing a synthetic data strategy
  • Assessment and feedback

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714520650 [source_title] => Generative AI for Data Synthesis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaids ) [15] => stdClass Object ( [course_code] => geminiaifordataanalysis [hr_nid] => 476191 [title] => Google Gemini AI for Data Analysis [requirements] =>
  • Basic understanding of data analysis concepts
  • Familiarity with data visualization tools is recommended

Audience

  • Data analysts
  • Business professionals
[overview] => Google Gemini AI es una herramienta de vanguardia que proporciona a los usuarios interfaces visuales y de lenguaje natural para mejorar la exploración, el análisis, la visualización y la comunicación de datos.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que deseen realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
[outline] =>

Introduction to Google Gemini AI

  • Overview of AI in data analysis
  • Capabilities of Google Gemini AI
  • Setting up the Gemini AI environment

Connecting Data Sources

  • Importing data into Gemini AI
  • Data cleaning and preprocessing
  • Ensuring data security and privacy

Exploring Data with Gemini AI

  • Using natural language queries
  • Understanding Gemini AI's responses
  • Advanced query techniques

Data Analysis and Insights

  • Identifying patterns and anomalies
  • Statistical analysis with Gemini AI
  • Predictive modeling and forecasting

Data Visualization

  • Designing effective visualizations
  • Customizing charts and graphs
  • Interactive dashboards with Gemini AI

Communicating Insights

  • Storytelling with data
  • Preparing reports and presentations
  • Best practices for data-driven decision making

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1711656398 [source_title] => Google Gemini AI for Data Analysis [source_language] => en [cert_code] => [weight] => -1008 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaifordataanalysis ) [16] => stdClass Object ( [course_code] => generativeaidev [hr_nid] => 478095 [title] => Generative AI for Developers [requirements] =>
  • An understanding of basic software development concepts
  • Experience with any programming language
  • Familiarity with software development tools and environments

Audience

  • Software developers
  • Technical team leads
  • Product managers
[overview] => Generative AI es una tecnología transformadora en el desarrollo de software. Puede agilizar los procesos de desarrollo, mejorar la productividad de los desarrolladores y mejorar la calidad del código.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que desean integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
[outline] =>

Introduction to Generative AI in Software Development

  • Understanding Generative AI
  • The role of AI in the SDLC
  • Overview of AI-driven development tools

AI-Assisted Coding

  • Predictive coding with AI
  • Code generation and autocompletion tools
  • Enhancing code quality with AI insights

Debugging with AI

  • Automated error detection
  • AI in static code analysis
  • Dynamic analysis with AI support

AI in Code Reviews

  • Automating code review processes
  • AI for code optimization suggestions
  • Ensuring code standards with AI

Root Cause Analysis with AI

  • Data-driven approach to problem-solving
  • AI algorithms for identifying issues
  • Predictive analytics for preventing future errors

Case Studies

  • Real-world examples of AI in the SDLC
  • Success stories and lessons learned
  • Future trends in AI for software development

Hands-On Workshops

  • Interactive sessions with AI coding tools
  • Group projects on AI-assisted debugging
  • Peer reviews using AI-generated insights

Ethical Considerations and Best Practices

  • Ethical use of AI in software development
  • Best practices for integrating AI into the SDLC
  • Balancing human expertise with AI capabilities

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671365 [source_title] => Generative AI for Developers [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaidev ) [17] => stdClass Object ( [course_code] => geminiaiforcontentcreation [hr_nid] => 476187 [title] => Google Gemini AI for Content Creation [requirements] =>
  • An understanding of basic content creation principles
  • Experience with digital marketing tools
  • Creative writing skills

Audience

  • Content creators
  • Digital marketers
  • SEO specialists
[overview] => Google Gemini AI es una herramienta transformadora para los creadores de contenido, que ofrece capacidades que agilizan el proceso de creación de contenido para diversos medios, como contenido web, materiales de marketing y proyectos multimedia.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
[outline] =>

Introduction to AI-Powered Content Creation

  • The role of AI in content creation
  • Overview of Google Gemini AI's capabilities for creators

Setting Up Google Gemini for Content Projects

  • Technical setup for Gemini AI
  • Integrating Gemini AI with content management systems

Automating Content Generation with Gemini AI

  • Using Gemini AI for blog posts, articles, and scripts
  • Enhancing creativity with AI prompts and suggestions
  • Maintaining originality and brand voice

Personalizing Content with Gemini AI

  • Tailoring content to different audiences
  • Improving user engagement with data-driven insights

SEO Optimization with Gemini AI

  • Understanding SEO fundamentals
  • Utilizing Gemini AI for keyword research and optimization

Analyzing Content Performance with Gemini AI

  • Measuring content effectiveness
  • Using AI to adapt content strategies based on analytics

Project - Creating a Content Campaign

  • Developing a content plan using Gemini AI
  • Executing and monitoring the campaign

Conclusion and Future of AI in Content Creation

  • Recap of key learnings
  • Emerging trends and staying ahead in content creation with AI
[language] => en [duration] => 14 [status] => published [changed] => 1711653905 [source_title] => Google Gemini AI for Content Creation [source_language] => en [cert_code] => [weight] => -1007 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcontentcreation ) [18] => stdClass Object ( [course_code] => generativeaics [hr_nid] => 477495 [title] => Generative AI: Impact on Cyber Security [requirements] =>
  • An understanding of basic cyber security concepts and practices
  • Experience with IT management or cyber security operations is beneficial
  • A willingness to explore the intersection of AI and cyber security

Audience

  • Cyber security professionals
  • IT managers
  • Policy makers and strategists
  • Business leaders
[overview] => Generative AI está revolucionando el campo de la seguridad cibernética, presentando tanto nuevas oportunidades para la defensa como nuevos desafíos en forma de amenazas sofisticadas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
[outline] =>

Introduction to Generative AI

  • Understanding Generative AI
  • Key concepts: GANs, VAEs, and more
  • Generative AI in the context of cyber security

Generative AI in Cyber Attacks

  • Overview of AI-powered cyber threats
  • Deepfakes and their use in social engineering attacks
  • AI in malware creation and propagation

Generative AI in Cyber Defense

  • AI-driven threat detection systems
  • Generative AI for security testing and simulation
  • Enhancing cyber resilience with Generative AI

Ethical and Legal Implications

  • Ethical considerations of using Generative AI in cyber security
  • Legal frameworks governing AI in cyber security
  • Balancing innovation with ethical use of technology

Case Studies

  • Analysis of real-world cyber attacks involving Generative AI
  • Review of successful AI implementations in cyber defense

Future of Cyber Security with Generative AI

  • Predicting future trends in AI and cyber security
  • Preparing for emerging threats
  • Strategic planning for AI integration in cyber security

Hands-On Workshops

  • Simulating AI-powered cyber attacks and defenses
  • Developing a Generative AI ethics policy for your organization
  • Creating a strategic plan for AI in cyber security

Summary and Next Steps

[language] => en [duration] => 28 [status] => published [changed] => 1713228227 [source_title] => Generative AI: Impact on Cyber Security [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaics ) [19] => stdClass Object ( [course_code] => geminiaiforcustomerservice [hr_nid] => 476047 [title] => Google Gemini AI for Transformative Customer Service [requirements] =>
  • An understanding of customer service principles
  • Experience with customer relationship management (CRM) systems
  • Data analysis experience

Audience

  • Customer service managers
  • Customer experience specialists
  • Operational managers
[overview] => Gemini AI es una herramienta versátil diseñada para revolucionar las interacciones de servicio al cliente al aprovechar algoritmos avanzados de aprendizaje automático para comprender y responder a las consultas de los clientes en tiempo real, automatizar tareas rutinarias y proporcionar información procesable a partir de los datos de los clientes, mejorando así la experiencia general del cliente y la eficiencia operativa.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
[outline] =>

Introduction to AI in Customer Service

  • The role of AI in modern customer service
  • Overview of Google Gemini AI capabilities

Setting Up Google Gemini for Customer Interactions

  • Technical setup for Gemini AI
  • Integrating Gemini AI with customer service platforms

Automating Customer Support with Gemini AI

  • Designing AI-driven response systems
  • Training Gemini AI on company-specific data

Enhancing Customer Engagement

  • Personalizing customer interactions with AI
  • Using Gemini AI for customer sentiment analysis

Analyzing Customer Feedback with Gemini AI

  • Gathering insights from customer interactions
  • Improving products and services based on AI analysis
  • Identifing trends and patterns in customer behavior

Case Studies and Best Practices

  • Success stories of AI in customer service
  • Ethical considerations and maintaining human touch

Project - Implementing Gemini AI Chatbot

  • Building a chatbot using Gemini AI
  • Testing and deploying the chatbot

Conclusion and Future Trends

  • Recap of key learnings
  • The future of AI in customer service
[language] => en [duration] => 14 [status] => published [changed] => 1711648466 [source_title] => Google Gemini AI for Transformative Customer Service [source_language] => en [cert_code] => [weight] => -1006 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiaiforcustomerservice ) [20] => stdClass Object ( [course_code] => generativeaimngr [hr_nid] => 477491 [title] => Generative AI for Managers [requirements] =>
  • An understanding of basic business operations and strategy
  • Experience with leading teams or managing projects
  • Openness to embracing new technologies in business practices

Audience

  • Business managers and executives
  • Entrepreneurs and business owners
  • Professionals interested in the strategic implications of AI
[overview] => Generative AI es una tecnología transformadora que está remodelando el panorama de la innovación empresarial, permitiendo nuevas formas de crear y personalizar productos, servicios y experiencias.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que desean comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
[outline] =>

Introduction to AI and Generative AI

  • What is Artificial Intelligence?
  • Understanding Generative AI and its business relevance
  • Key terms and concepts in Generative AI

Overview of Generative AI Technologies

  • Types of Generative AI models
  • Basic principles of machine learning and neural networks
  • Introduction to Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs)

Business Applications of Generative AI

  • Generative AI in product development and design
  • Marketing and content generation with Generative AI
  • Personalization and customer experience enhancement

Strategic Implications of Generative AI

  • Competitive advantages with Generative AI
  • Integrating Generative AI into business strategy
  • Case studies of successful Generative AI applications

Ethical and Legal Considerations

  • Ethical concerns with Generative AI (deepfakes, bias)
  • Intellectual property and legal implications
  • Developing a responsible AI framework in your organization

Leading AI Teams and Projects

  • Building and managing AI teams
  • Project management for AI initiatives
  • Communicating AI concepts to non-technical stakeholders

Preparing for an AI-Driven Future

  • Keeping up with AI trends and research
  • Future predictions for Generative AI
  • Preparing your organization for AI transformation

Workshop and Interactive Sessions

  • Interactive discussions on AI strategy
  • Workshop on evaluating AI opportunities in your business
  • Role-playing AI decision-making scenarios

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1713226257 [source_title] => Generative AI for Managers [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaimngr ) [21] => stdClass Object ( [course_code] => geminiai [hr_nid] => 476043 [title] => Introduction to Google Gemini AI [requirements] =>
  • An understanding of basic AI concepts
  • Experience with APIs and cloud services
  • Python programming experience

Audience

  • Developers
  • Data Scientists
  • AI Enthusiasts


 

[overview] => Google Gemini AI es un modelo de lenguaje grande de vanguardia que ofrece capacidades avanzadas de IA, como la comprensión del lenguaje natural, la generación de texto y la búsqueda semántica, lo que permite a los desarrolladores crear aplicaciones impulsadas por IA más intuitivas y receptivas.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
[outline] =>

Introduction to AI and Google Gemini

  • What is Artificial Intelligence (AI)?
  • Overview of Google Gemini AI
  • Significance of Google Gemini in the AI landscape

Understanding Large Language Models (LLMs)

  • Fundamentals of LLMs
  • The architecture of Google Gemini
  • Comparing Gemini with other AI models

Getting Started with Google Gemini

  • Setting up the environment
  • Obtaining and using the API key
  • Introduction to Gemini's API and functionalities

Working with Gemini Models

  • Exploring different Gemini models
  • Selecting the right model for your project
  • Initializing the Generative Model

Practical Applications of Gemini AI

  • Text-to-text transformations
  • Text and image-to-text capabilities
  • Building chat applications with Gemini
  • Ethical considerations and responsible AI use

Advanced Features and Customization

  • Deep dive into Gemini's advanced features
  • Customizing responses and fine-tuning models
  • Exploring multimodal capabilities

Project - Building an AI Code Buddy

  • Step-by-step guide to building a simple AI chatbot
  • Integrating Gemini AI into your applications
  • Best practices and troubleshooting

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1711952394 [source_title] => Introduction to Google Gemini AI [source_language] => en [cert_code] => [weight] => -1005 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => geminiai ) [22] => stdClass Object ( [course_code] => generativeaiadv [hr_nid] => 477483 [title] => Generative AI Advanced [requirements] =>
  • An understanding of fundamental machine learning concepts and algorithms
  • Experience with Python programming and basic usage of TensorFlow or PyTorch
  • Familiarity with the principles of neural networks and deep learning

Audience

  • Data scientists
  • Machine learning engineers
  • AI practitioners
[overview] => Generative AI es un campo emocionante y en rápida evolución que se centra en la creación de nuevas instancias sintéticas de datos que pueden pasar por datos reales.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
[outline] =>

Review of Generative AI Basics

  • Quick recap of Generative AI concepts
  • Advanced applications and case studies

Deep Dive into Generative Adversarial Networks (GANs)

  • In-depth study of GAN architectures
  • Techniques to improve GAN training
  • Conditional GANs and their applications
  • Hands-on project: Designing a complex GAN

Advanced Variational Autoencoders (VAEs)

  • Exploring the limits of VAEs
  • Disentangled representations in VAEs
  • Beta-VAEs and their significance
  • Hands-on project: Building an advanced VAE

Transformers and Generative Models

  • Understanding the Transformer architecture
  • Generative Pretrained Transformers (GPT) and BERT for generative tasks
  • Fine-tuning strategies for generative models
  • Hands-on project: Fine-tuning a GPT model for a specific domain

Diffusion Models

  • Introduction to diffusion models
  • Training diffusion models
  • Applications in image and audio generation
  • Hands-on project: Implementing a diffusion model

Reinforcement Learning in Generative AI

  • Reinforcement learning basics
  • Integrating reinforcement learning with generative models
  • Applications in game design and procedural content generation
  • Hands-on project: Creating content with reinforcement learning

Advanced Topics in Ethics and Bias

  • Deepfakes and synthetic media
  • Detecting and mitigating bias in generative models
  • Legal and ethical considerations

Industry-Specific Applications

  • Generative AI in healthcare
  • Creative industries and entertainment
  • Generative AI in scientific research

Research Trends in Generative AI

  • Latest advancements and breakthroughs
  • Open problems and research opportunities
  • Preparing for a research career in Generative AI

Capstone Project

  • Identifying a problem suitable for Generative AI
  • Advanced dataset preparation and augmentation
  • Model selection, training, and fine-tuning
  • Evaluation, iteration, and presentation of the project

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1714671255 [source_title] => Generative AI Advanced [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaiadv ) [23] => stdClass Object ( [course_code] => generativeaillm [hr_nid] => 463251 [title] => Generative AI with Large Language Models (LLMs) [requirements] =>
  • An understanding of machine learning concepts, such as supervised and unsupervised learning, loss functions, and data splitting
  • Experience with Python programming and data manipulation
  • Basic knowledge of neural networks and natural language processing

Audience

  • Developers
  • Machine learning enthusiasts
[overview] => La IA generativa es un tipo de IA que puede crear contenido original como texto, imágenes, música y código. Los modelos de lenguaje grandes (LLM) son potentes redes neuronales que pueden procesar y generar lenguaje natural.  Esta formación en directo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen aprender a utilizar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
  • Explicar qué es la IA generativa y cómo funciona.
  • Describir la arquitectura del transformador que alimenta los LLM.
  • Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones.
  • Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM.
  • Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
[outline] =>

Introduction to Generative AI

  • What is generative AI and why is it important?
  • Main types and techniques of generative AI
  • Key challenges and limitations of generative AI

Transformer Architecture and LLMs

  • What is a transformer and how does it work?
  • Main components and features of a transformer
  • Using transformers to build LLMs

Scaling Laws and Optimization

  • What are scaling laws and why are they important for LLMs?
  • How do scaling laws relate to the model size, data size, compute budget, and inference requirements?
  • How can scaling laws help optimize the performance and efficiency of LLMs?

Training and Fine-Tuning LLMs

  • Main steps and challenges of training LLMs from scratch
  • Benefits and drawbacks of fine-tuning LLMs for specific tasks
  • Best practices and tools for training and fine-tuning LLMs

Deploying and Using LLMs

  • Main considerations and challenges of deploying LLMs in production
  • Common use cases and applications of LLMs in various domains and industries
  • Integrating LLMs with other AI systems and platforms

Ethics and Future of Generative AI

  • Ethical and social implications of generative AI and LLMs
  • Potential risks and harms of generative AI and LLMs, such as bias, misinformation, and manipulation
  • Responsible and beneficial use of generative AI and LLMs

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073362 [source_title] => Generative AI with Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1004 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaillm ) [24] => stdClass Object ( [course_code] => generativeaifun [hr_nid] => 477479 [title] => Generative AI for Beginners [requirements] =>
  • An understanding of basic programming concepts in Python
  • Experience with basic mathematical concepts, especially probability and linear algebra

Audience

  • Developers
[overview] => Generative AI es un subconjunto de la inteligencia artificial centrado en la creación de nuevos contenidos, ya sean textos, imágenes u otros tipos de datos, que son similares pero no idénticos al contenido del que ha aprendido.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
[outline] =>

Introduction to Generative AI

  • What is Generative AI?
  • History and evolution of Generative AI
  • Key concepts and terminology
  • Overview of applications and potential of Generative AI

Fundamentals of Machine Learning

  • Introduction to machine learning
  • Types of machine learning: Supervised, Unsupervised, and Reinforcement Learning
  • Basic algorithms and models
  • Data preprocessing and feature engineering

Deep Learning Basics

  • Neural networks and deep learning
  • Activation functions, loss functions, and optimizers
  • Overfitting, underfitting, and regularization techniques
  • Introduction to TensorFlow and PyTorch

Generative Models Overview

  • Types of generative models
  • Differences between discriminative and generative models
  • Use cases for generative models

Variational Autoencoders (VAEs)

  • Understanding autoencoders
  • The architecture of VAEs
  • Latent space and its significance
  • Hands-on project: Building a simple VAE

Generative Adversarial Networks (GANs)

  • Introduction to GANs
  • The architecture of GANs: Generator and Discriminator
  • Training GANs and challenges
  • Hands-on project: Creating a basic GAN

Advanced Generative Models

  • Introduction to Transformer models
  • Overview of GPT (Generative Pretrained Transformer) models
  • Applications of GPT in text generation
  • Hands-on project: Text generation with a pre-trained GPT model

Ethics and Implications

  • Ethical considerations in Generative AI
  • Bias and fairness in AI models
  • Future implications and responsible AI

Industry Applications of Generative AI

  • Generative AI in art and creativity
  • Applications in business and marketing
  • Generative AI in science and research

Capstone Project

  • Ideation and proposal of a generative AI project
  • Dataset collection and preprocessing
  • Model selection and training
  • Evaluation and presentation of results

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1714671264 [source_title] => Generative AI for Beginners [source_language] => en [cert_code] => [weight] => -1003 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeaifun ) [25] => stdClass Object ( [course_code] => firefly [hr_nid] => 472879 [title] => Adobe Firefly: Generative AI for Creatives [requirements] =>
  • An understanding of generative AI and its applications
  • Experience with Adobe apps like Photoshop, Illustrator, and Express
  • Basic design and creativity skills

Audience

  • Designers
  • Artists
  • Content creators
[overview] => Adobe Firefly es un producto y un modelo que utiliza IA generativa para crear imágenes, efectos de texto y paletas de colores a partir de simples indicaciones de texto.Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
[outline] =>

Introduction

  • What is generative AI and Adobe Firefly?
  • Generative AI vs other types of AI
  • Overview of Adobe Firefly features and architecture
  • Accessing Adobe Firefly in the web app and in Adobe apps
  • Using Adobe Firefly credits and plans

Creating Images with Adobe Firefly

  • Generating images from text descriptions
  • Removing or adding objects in an image
  • Generating images from 3D elements
  • Moving objects anywhere in an image

Creating Text Effects and Color Palettes with Adobe Firefly

  • Applying styles or textures to words and phrases
  • Generating color variations of vector artwork
  • Creating design elements using Adobe Firefly

Generating Safe Content for Commercial Use

  • Understanding how Adobe Firefly is trained on licensed and public content
  • Knowing how Adobe Firefly compensates Adobe Stock contributors
  • Checking the license and attribution of the content generated with Adobe Firefly
  • Avoiding infringing on the rights of others

Applying Ethical Principles to Generative AI Use

  • Learning about Adobe's responsible development of generative AI
  • Discovering Adobe's universal "Do Not Train" Content Credentials tag
  • Exploring Adobe's initiatives for content authenticity and provenance
  • Using generative AI to enhance creativity, not replace it
  • Using generative AI for positive and beneficial outcomes, avoiding harm or deception

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709063812 [source_title] => Adobe Firefly: Generative AI for Creatives [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => firefly ) [26] => stdClass Object ( [course_code] => llmsfornlp [hr_nid] => 472887 [title] => Advanced LLMs for NLP Tasks [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch
  • An understanding of the basics of LLMs and their applications

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de IA que pueden procesar y generar grandes cantidades de datos de lenguaje natural, como texto, voz y audio. Los LLM pueden aprender los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generar nuevos datos que tengan características similares. Los LLM también pueden realizar diversas tareas de procesamiento del lenguaje natural (NLP), como la comprensión del lenguaje natural (NLU), la inferencia del lenguaje natural (NLI), la construcción y finalización de grafos de conocimiento, el razonamiento de sentido común, la generación y gestión de diálogos, y la generación y comprensión multimodal.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
[outline] =>

Introduction to LLMs and Generative AI

  • Exploring techniques and models
  • Discussing applications and use cases
  • Identifying challenges and limitations

Using LLMs for NLU Tasks

  • Sentiment analysis
  • Named entity recognition
  • Relation extraction
  • Semantic parsing

Using LLMs for NLI Tasks

  • Entailment detection
  • Contradiction detection
  • Paraphrase detection

Using LLMs for Knowledge Graphs

  • Extracting facts and relations from text
  • Inferring missing or new facts
  • Using knowledge graphs for downstream tasks

Using LLMs for Commonsense Reasoning

  • Generating plausible explanations, hypotheses, and scenarios
  • Using commonsense knowledge bases and datasets
  • Evaluating commonsense reasoning

Using LLMs for Dialogue Generation

  • Generating dialogues with conversational agents, chatbots, and virtual assistants
  • Managing dialogues
  • Using dialogue datasets and metrics

Using LLMs for Multimodal Generation

  • Generating images from text
  • Generating text from images
  • Generating videos from text or images
  • Generating audio from text
  • Generating text from audio
  • Generating 3D models from text or images

Using LLMs for Meta-Learning

  • Adapting LLMs to new domains, tasks, or languages
  • Learning from few-shot or zero-shot examples
  • Using meta-learning and transfer learning datasets and frameworks

Using LLMs for Adversarial Learning

  • Defending LLMs from malicious attacks
  • Detecting and mitigating biases and errors in LLMs
  • Using adversarial learning and robustness datasets and methods

Evaluating LLMs and Generative AI

  • Assessing content quality and diversity
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Using human evaluation methods like crowdsourcing and surveys
  • Using adversarial evaluation methods like Turing tests and discriminators

Applying Ethical Principles for LLMs and Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 21 [status] => published [changed] => 1709073133 [source_title] => Advanced LLMs for NLP Tasks [source_language] => en [cert_code] => [weight] => -1002 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llmsfornlp ) [27] => stdClass Object ( [course_code] => generativeai [hr_nid] => 472883 [title] => Generative AI: Creating Novel Content with AI Models [requirements] =>
  • An understanding of basic AI concepts and terminology
  • Experience with Python programming and data analysis
  • Familiarity with deep learning frameworks such as TensorFlow or PyTorch

Audience

  • Data scientists
  • AI developers
  • AI enthusiasts
[overview] => La IA generativa (GenAI) es una categoría de algoritmos de IA que pueden crear contenido nuevo y realista a partir de datos existentes, como imágenes, texto, audio y más. Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y, a continuación, generan nuevos datos que tienen características similares.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos fines.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
[outline] =>

Introduction

  • What is generative AI?
  • Generative AI vs other types of AI
  • Overview of main techniques and models in generative AI
  • Applications and use cases of generative AI
  • Challenges and limitations of generative AI

Creating Images with Generative AI

  • Generating images from text descriptions
  • Using GANs to create realistic and diverse images
  • Using VAEs to create images with latent variables
  • Using style transfer to apply artistic styles to images

Creating Text with Generative AI

  • Generating text from text prompts
  • Using transformer-based models to create text with context and coherence
  • Using text summarization to create concise summaries of long texts
  • Using text paraphrasing to create different ways of expressing the same meaning

Creating Audio with Generative AI

  • Generating speech from text
  • Generating text from speech
  • Generating music from text or audio
  • Generating speech with a specific voice

Creating Other Content with Generative AI

  • Generating code from natural language
  • Generating product sketches from text
  • Generating video from text or images
  • Generating 3D models from text or images

Evaluating Generative AI

  • Assessing content quality and diversity in generative AI
  • Using metrics like inception score, Fréchet inception distance, and BLEU score
  • Utilizing human evaluation through crowdsourcing and surveys
  • Applying adversarial evaluation methods such as Turing tests and discriminators

Understanding Ethical and Social Implications of Generative AI

  • Ensuring fairness and accountability
  • Avoiding misuse and abuse
  • Respecting the rights and privacy of content creators and consumers
  • Fostering creativity and collaboration of human and AI

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1709107252 [source_title] => Generative AI: Creating Novel Content with AI Models [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => generativeai ) [28] => stdClass Object ( [course_code] => llm [hr_nid] => 462191 [title] => Introduction to Large Language Models (LLMs) [requirements] =>
  • An understanding of natural language processing and deep learning
  • Experience with Python and PyTorch or TensorFlow
  • Basic programming experience

Audience

  • Developers
  • NLP enthusiasts
  • Data scientists
[overview] => Los modelos de lenguaje grandes (LLM) son modelos de redes neuronales profundas que pueden generar textos en lenguaje natural basados en una entrada o contexto determinado. Están entrenados con grandes cantidades de datos de texto de varios dominios y fuentes, y pueden capturar los patrones sintácticos y semánticos del lenguaje natural. Los LLM han logrado resultados impresionantes en varias tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos y más. Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya un LLM popular.
  • Cree un LLM básico y ajústelo en un conjunto de datos personalizado.
  • Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc.
  • Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
[outline] =>

Introduction

  • What are Large Language Models (LLMs)?
  • LLMs vs traditional NLP models
  • Overview of LLMs features and architecture
  • Challenges and limitations of LLMs

Understanding LLMs

  • The lifecycle of an LLM
  • How LLMs work
  • The main components of an LLM: encoder, decoder, attention, embeddings, etc.

Getting Started

  • Setting up the Development Environment
  • Installing an LLM as a development tool, e.g. Google Colab, Hugging Face

Working with LLMs

  • Exploring available LLM options
  • Creating and using an LLM
  • Fine-tuning an LLM on a custom dataset

Text Summarization

  • Understanding the task of text summarization and its applications
  • Using an LLM for extractive and abstractive text summarization
  • Evaluating the quality of the generated summaries using metrics such as ROUGE, BLEU, etc.

Question Answering

  • Understanding the task of question answering and its applications
  • Using an LLM for open-domain and closed-domain question answering
  • Evaluating the accuracy of the generated answers using metrics such as F1, EM, etc.

Text Generation

  • Understanding the task of text generation and its applications
  • Using an LLM for conditional and unconditional text generation
  • Controlling the style, tone, and content of the generated texts using parameters such as temperature, top-k, top-p, etc.

Integrating LLMs with Other Frameworks and Platforms

  • Using LLMs with PyTorch or TensorFlow
  • Using LLMs with Flask or Streamlit
  • Using LLMs with Google Cloud or AWS

Troubleshooting

  • Understanding the common errors and bugs in LLMs
  • Using TensorBoard to monitor and visualize the training process
  • Using PyTorch Lightning to simplify the training code and improve the performance
  • Using Hugging Face Datasets to load and preprocess the data

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1700095996 [source_title] => Introduction to Large Language Models (LLMs) [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => llm ) [29] => stdClass Object ( [course_code] => slms [hr_nid] => 479495 [title] => Small Language Models (SLMs): Applications and Innovations [requirements] =>
  • Basic understanding of machine learning concepts
  • Familiarity with Python programming
  • Knowledge of neural networks and deep learning

Audience

  • Data scientists
  • Software developers
  • AI enthusiasts
[overview] => Los modelos de lenguaje pequeños (SLM) son un subconjunto de IA de vanguardia que permite un procesamiento eficiente del lenguaje en dispositivos con recursos computacionales limitados.Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeño en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Formato del curso
  • Conferencia interactiva y discusión.
  • Muchos ejercicios y práctica.
  • Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
  • Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.
[category_overview] => Esta capacitación en vivo dirigida por un instructor en <loc> (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
[outline] =>

Introduction to Small Language Models (SLMs)

  • Overview of language models
  • Evolution from large to Small Language Models
  • Architecture and design of SLMs
  • Advantages and limitations of SLMs

Technical Foundations

  • Understanding neural networks and parameters
  • Training processes for SLMs
  • Data requirements and model optimization
  • Evaluation metrics for language models

SLMs in Natural Language Processing

  • Text generation with SLMs
  • Language translation and localization
  • Sentiment analysis and text classification
  • Question answering and chatbots

Real-world Applications of SLMs

  • Mobile applications: On-device language processing
  • Embedded systems: SLMs in IoT devices
  • Privacy-preserving AI: Local data processing
  • Edge computing: SLMs in low-latency environments

Case Studies

  • Analyzing successful deployments of SLMs
  • Industry-specific applications (Healthcare, Finance, etc.)
  • Comparative study: SLMs vs. large models in production

Future Directions

  • Research trends in SLMs
  • Challenges in scaling and deployment
  • Ethical considerations and responsible AI
  • The road ahead: Next-generation SLMs

Hands-on Workshops

  • Building a simple SLM for text generation
  • Integrating SLMs into mobile apps
  • Fine-tuning SLMs for specific tasks
  • Performance analysis and model interpretability

Capstone Project

  • Identifying a problem space for SLM application
  • Designing and implementing an SLM solution
  • Testing and iterating on the model
  • Presenting the project and outcomes

Summary and Next Steps

[language] => en [duration] => 14 [status] => published [changed] => 1715280132 [source_title] => Small Language Models (SLMs): Applications and Innovations [source_language] => en [cert_code] => [weight] => -1001 [excluded_sites] => [use_mt] => stdClass Object ( [field_overview] => [field_course_outline] => [field_prerequisits] => [field_overview_in_category] => ) [cc] => slms ) ) [2] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key 4879 /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/common/categories.logic.php:245 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/common/categories.logic.php [line] => 245 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key 4879 [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/common/hrquery/common/categories.logic.php [3] => 245 ) ) [1] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 144 [function] => hrquery_category_get_synonyms [args] => Array ( [0] => 4879 [1] => es ) ) [2] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 101 [function] => category_region_get_keywords [args] => Array ( [0] => Array ( [region_id] => ve_1805 [region_name] => Caracas [url_path_mapper] => caracas [locative_case_name] => [language] => es [region_publish_status] => 1 [sales_area] => ve_venezuela [parent_region] => ) [1] => Array ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) [2] => hitrave ) ) [3] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [4] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [5] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [6] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [7] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined property: stdClass::$machine_description /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/nobleprog_frontend/nobleprog_frontend_category_description.logic.php:50 Array ( [0] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/nobleprog_frontend/nobleprog_frontend_category_description.logic.php [line] => 50 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined property: stdClass::$machine_description [2] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/nobleprog_frontend/nobleprog_frontend_category_description.logic.php [3] => 50 ) ) [1] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 107 [function] => nobleprog_frontend_get_category_description [args] => Array ( [0] => stdClass Object ( [tid] => 4879 [url_alias] => cursos-generative-ai [name] => Generative AI [description] => Los cursos de capacitación en línea o presenciales, dirigidos por instructores en vivo Generative AI (GenAI) demuestran a través de la práctica interactiva los fundamentos y temas avanzados de Generative AI. Generative AI La formación está disponible como "formación en directo en línea" o "formación en directo in situ". La capacitación en vivo en línea (también conocida como "capacitación remota en vivo") se lleva a cabo a través de un escritorio remoto interactivo. La formación in situ en directo puede llevarse a cabo localmente en las instalaciones del cliente en o en los centros de formación corporativa de NobleProg en . NobleProg -- Su proveedor local de capacitación [language] => [url_path_mapper] => generative-ai [english_name] => Generative AI [original_description] => Online or onsite, instructor-led live Generative AI (GenAI) training courses demonstrate through interactive hands-on practice the fundamentals and advanced topics of Generative AI. Generative AI training is available as "online live training" or "onsite live training". Online live training (aka "remote live training") is carried out by way of an interactive, remote desktop. Onsite live training can be carried out locally on customer premises in or in NobleProg corporate training centers in . NobleProg -- Your Local Training Provider [consulting_options] => available ) [1] => Generative AI [2] => Caracas [3] => stdClass Object ( [language] => es [name] => Spanish [native] => Español [prefix] => es [default_language] => es [language_url] => [secondary_language] => [language_switcher_links] => Array ( [es] => /generative-ai/cursos/caracas [en] => /en/generative-ai/training/caracas ) [multi_lingual] => 1 ) ) ) [2] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [3] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [4] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [5] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [6] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) Cursos de Generative AI en Caracas

Caracas - Centro Lido

Av. Francisco de Miranda, Centro Lido, Torre D, Caracas, venezuela, 1060
El Centro de negocios en Caracas, Centro Lido, se encuentra en el cuarto piso de un complejo de cuatro torres en la avenida F...

Subcategorías (2)

Image for Large Language Models (LLMs) category
Large Language Models (LLMs)
Image for Small Language Models (SLMs) category
Small Language Models (SLMs)

Descubra nuestros cursos

Large Language Models (LLMs) and Reinforcement Learning (RL)

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio que deseen obtener una comprensión integral y habilidades prácticas tanto en Large Language Models (LLMs) como en Reinforcement Learning (RL).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los componentes y la funcionalidad de los modelos de transformadores.
  • Optimice y ajuste los LLM para tareas y aplicaciones específicas.
  • Comprender los principios básicos y las metodologías del aprendizaje por refuerzo.
  • Aprenda cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.
Leer más...

LLMs for Content Generation

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en varios dominios.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades de los LLM y su aplicación en la generación de contenidos.
  • Configure y use LLM para generar varios tipos de contenido.
  • Aplique las prácticas recomendadas para solicitar y ajustar los LLM para producir los resultados deseados.
  • Evalúe la calidad del contenido generado por IA y refínelo para audiencias específicas.
  • Explora técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.
Leer más...

LLMs for Personalized Education

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a educadores, profesionales de EdTech e investigadores con diferentes niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y las capacidades de los LLM.
  • Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
  • Diseñe plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
  • Implementar estrategias impulsadas por LLM para mejorar la participación de los estudiantes y los resultados del aprendizaje.
  • Evalúe la efectividad de los LLM en entornos educativos y tome decisiones basadas en datos para
Leer más...

LLMs for Speech Recognition and Synthesis

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en las tecnologías del habla.
  • Implemente LLM para un reconocimiento de voz preciso y una síntesis de voz con sonido natural.
  • Integre los LLM con motores de reconocimiento de voz y sintetizadores de voz.
  • Evalúe y mejore el rendimiento de los sistemas de voz utilizando LLM.
  • Manténgase informado sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.
Leer más...

LLMs for Automated Customer Support

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de atención al cliente y TI de nivel principiante a intermedio que deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y la arquitectura de Large Language Models (LLMs).
  • Diseñe e integre LLM en los sistemas de atención al cliente.
  • Mejore la capacidad de respuesta y la experiencia del usuario de los chatbots.
  • Aborde las consideraciones éticas y garantice el cumplimiento de los estándares de la industria.
  • Implemente y mantenga un chatbot basado en LLM para aplicaciones del mundo real.
Leer más...

LLMs for Sentiment Analysis

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
  • Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
  • Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
  • Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
  • Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.
Leer más...

Generative AI in Entertainment: Crafting the Future of Creative Arts

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de juegos, artistas, músicos y profesionales de la industria del entretenimiento de nivel principiante a intermedio que deseen aprovechar el poder de la IA generativa para innovar en el ámbito del entretenimiento.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de la IA generativa y su papel en los procesos creativos.
  • Explora el uso de la IA en la generación de música, literatura y artes visuales.
  • Examina el impacto de la IA en el desarrollo de videojuegos y las experiencias de los jugadores.
  • Discutir las consideraciones éticas del uso de la IA en la creación artística.
  • Visualizar y desarrollar proyectos impulsados por IA en el sector del entretenimiento.
Leer más...

LLMs for Code Generation and Documentation

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
  • Utilice los LLM para crear fragmentos de código y documentación precisos y eficientes.
  • Integre los LLM en su ciclo de vida de desarrollo de software para mejorar la productividad.
  • Mantenga estándares de documentación de alta calidad utilizando herramientas automatizadas.
  • Abordar las consideraciones éticas y las mejores prácticas para el uso de la IA en el desarrollo de software.
Leer más...

Generative AI in Healthcare: Transforming Medicine and Patient Care

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de la salud de nivel principiante a intermedio, analistas de datos y responsables políticos que deseen comprender y aplicar la IA generativa en el contexto de la atención médica.Al final de esta capacitación, los participantes serán capaces de:
  • Explicar los principios y aplicaciones de la IA generativa en la atención sanitaria.
  • Identificar oportunidades para que la IA generativa mejore el descubrimiento de fármacos y la medicina personalizada.
  • Utilice técnicas de IA generativa para imágenes y diagnósticos médicos.
  • Evaluar las implicaciones éticas de la IA en entornos médicos.
  • Desarrollar estrategias para integrar las tecnologías de IA en los sistemas sanitarios.
Leer más...

LLMs for Business Intelligence

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de negocios de nivel intermedio y analistas de datos que desean aprovechar el poder de los LLM para extraer información comercial.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
  • Aplique LLM para analizar grandes conjuntos de datos y extraer información significativa.
  • Integre la analítica impulsada por LLM en los procesos estratégicos de toma de decisiones empresariales.
  • Evalúe las consideraciones éticas y las mejores prácticas para el uso de LLM en los negocios.
  • Anticipe las tendencias futuras en IA y prepárese para el panorama cambiante de la inteligencia empresarial.
Leer más...

Generative AI in Robotics: Creating Autonomous Solutions

 28 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a ingenieros de robótica e investigadores de IA de nivel intermedio a avanzado que deseen diseñar e implementar sistemas robóticos autónomos utilizando técnicas Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos básicos de Generative AI y aplicarlos a la robótica.
  • Diseñe y simule robots autónomos utilizando Generative AI modelos.
  • Implemente algoritmos de IA para la percepción robótica y la toma de decisiones.
  • Evalúe el impacto de los robots impulsados por IA en diversas industrias.
  • Abordar las consideraciones éticas de la implementación de sistemas robóticos autónomos.
Leer más...

LlamaIndex: Developing LLM Powered Applications

 42 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos de nivel principiante a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras impulsadas por LLM.Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure LlamaIndex para su uso con LLM.
  • Indexe y consulte conjuntos de datos personalizados utilizando LlamaIndex para mejorar la funcionalidad de LLM.
  • Diseñe y desarrolle aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
  • Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
  • Navegue por las consideraciones éticas implicadas en la implementación de aplicaciones con tecnología LLM.
Leer más...

Generative AI in Education: Enhancing Personalized Learning

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a educadores de nivel intermedio y profesionales de tecnología educativa que deseen aprovechar Generative AI para personalizar la educación y mejorar las experiencias de aprendizaje.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y aplicaciones de Generative AI en el contexto de la educación.
  • Cree materiales de aprendizaje personalizados y rutas utilizando IA.
  • Utilice herramientas de IA para la gestión del aula y la creación de contenidos.
  • Abordar las consideraciones éticas en el uso de la IA para la educación.
  • Desarrollar estrategias para integrar la IA en los planes de estudio educativos y los procesos administrativos.
Leer más...

LlamaIndex: Enhancing Contextual AI

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios y componentes de LlamaIndex.
  • Ingesta y estructura de datos para su uso con LLM.
  • Implemente el aumento de contexto para mejorar el rendimiento del modelo de IA.
  • Integre LlamaIndex en los sistemas y flujos de trabajo de IA existentes.
Leer más...

Generative AI for Data Synthesis

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de datos de nivel intermedio que desean crear conjuntos de datos sintéticos para el entrenamiento de modelos de IA donde los datos reales son escasos o sensibles.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y la creación de datos sintéticos en Generative AI.
  • Implemente Generative AI modelos para producir datos sintéticos de alta calidad.
  • Evaluar la calidad y utilidad de los conjuntos de datos sintéticos.
  • Navegue por las consideraciones éticas y legales en el uso de datos sintéticos.
  • Aplique estrategias de datos sintéticos a los desafíos de IA del mundo real.
Leer más...

Google Gemini AI for Data Analysis

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a analistas de datos de nivel principiante a intermedio y profesionales de negocios que desean realizar tareas complejas de análisis de datos de manera más intuitiva en varias industrias utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprenda los fundamentos de Google Gemini AI.
  • Conecte varias fuentes de datos a Gemini AI.
  • Explore los datos mediante consultas en lenguaje natural.
  • Analice patrones de datos y obtenga información.
  • Cree visualizaciones de datos atractivas.
  • Comunique información basada en datos de manera efectiva.
Leer más...

Generative AI for Developers

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de software de nivel principiante a intermedio que deseen integrar la IA generativa en su ciclo de vida de desarrollo de software (SDLC).Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel y las capacidades de la IA generativa en el desarrollo de software.
  • Utilice herramientas de IA para codificar, depurar y revisar código.
  • Aplique técnicas de IA para un análisis eficiente de la causa raíz.
  • Implemente funciones de IA para mejorar el proceso de desarrollo de software.
  • Evaluar las consideraciones éticas y las mejores prácticas para la IA en el desarrollo.
Leer más...

Google Gemini AI for Content Creation

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a creadores de contenido de nivel intermedio que deseen utilizar Google Gemini AI para mejorar la calidad y eficiencia de su contenido.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el papel de la IA en la creación de contenidos.
  • Configura y usa Google Gemini AI para generar y optimizar contenido.
  • Aplica transformaciones de texto a texto para producir contenido creativo y original.
  • Implemente estrategias de SEO utilizando información impulsada por IA.
  • Analice el rendimiento del contenido y adapte las estrategias utilizando Gemini AI.
Leer más...

Generative AI: Impact on Cyber Security

 28 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de seguridad cibernética de nivel intermedio a avanzado, gerentes de TI y responsables políticos que deseen comprender el profundo impacto Generative AI que está teniendo en la seguridad cibernética.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender las capacidades y aplicaciones de Generative AI en ciberseguridad.
  • Reconozca y anticipe las amenazas y ataques cibernéticos impulsados por IA.
  • Explore el uso de Generative AI en el fortalecimiento de los mecanismos de defensa cibernética.
  • Evalúe las consideraciones éticas y legales del empleo de Generative AI en seguridad cibernética.
  • Formular estrategias para integrar Generative AI en sus prácticas de seguridad cibernética.
Leer más...

Google Gemini AI for Transformative Customer Service

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a profesionales de servicio al cliente de nivel intermedio que deseen implementar Google Gemini AI en sus operaciones de servicio al cliente.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender el impacto de la IA en el servicio al cliente.
  • Configura Google Gemini AI para automatizar y personalizar las interacciones con los clientes.
  • Utilice transformaciones de texto a texto e imagen a texto para mejorar la eficiencia del servicio.
  • Desarrolle estrategias impulsadas por IA para el análisis de los comentarios de los clientes en tiempo real.
  • Explora las funciones avanzadas para crear una experiencia de servicio al cliente perfecta.
Leer más...

Generative AI for Managers

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a gerentes de nivel intermedio a avanzado que deseen comprender y aprovechar Generative AI en sus estrategias comerciales.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los conceptos y capacidades fundamentales de Generative AI.
  • Identificar oportunidades de aplicación Generative AI dentro de sus organizaciones.
  • Comprender las consideraciones éticas y legales del uso de Generative AI.
  • Lidere debates y tome decisiones informadas sobre proyectos de IA.
  • Desarrollar una hoja de ruta para integrar Generative AI en sus procesos de negocio.
Leer más...

Introduction to Google Gemini AI

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen integrar funcionalidades de IA en sus aplicaciones utilizando Google Gemini AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los fundamentos de los modelos de lenguaje grandes.
  • Configure y use Google Gemini AI para varias tareas de IA.
  • Implemente transformaciones de texto a texto e imagen a texto.
  • Cree aplicaciones básicas impulsadas por IA.
  • Explora las funciones avanzadas y las opciones de personalización en Google Gemini AI.
Leer más...

Generative AI Advanced

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático y profesionales de IA de nivel intermedio a avanzado que deseen explorar modelos generativos complejos y sus aplicaciones en diversas industrias.Al final de esta capacitación, los participantes serán capaces de:
  • Implemente y entrene modelos generativos avanzados, incluidos GAN, VAE y modelos de difusión.
  • Comprender y aplicar la arquitectura de Transformer en tareas generativas.
  • Explore las implicaciones éticas y los desafíos de Generative AI.
  • Aplicar técnicas generativas avanzadas para resolver problemas del mundo real en diversas industrias.
  • Manténgase al tanto de las tendencias actuales de investigación y las direcciones futuras en Generative AI.
Leer más...

Generative AI with Large Language Models (LLMs)

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio que desean aprender a usar la IA generativa con LLM para diversas tareas y dominios. Al final de esta capacitación, los participantes serán capaces de:
    Explicar qué es la IA generativa y cómo funciona. Describir la arquitectura del transformador que alimenta los LLM. Utilice leyes de escalado empírico para optimizar los LLM para diferentes tareas y restricciones. Aplique herramientas y métodos de última generación para entrenar, ajustar e implementar LLM. Discutir las oportunidades y los riesgos de la IA generativa para la sociedad y las empresas.
Leer más...

Generative AI for Beginners

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante que desean obtener conocimientos básicos y experiencia práctica en Generative AI.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender los principios que subyacen a los modelos generativos y sus aplicaciones.
  • Implemente modelos generativos básicos usando TensorFlow o PyTorch.
  • Genere nuevos contenidos utilizando Autocodificadores Variacionales (VAE) y Redes Generativas Adversarias (GAN).
  • Explora las implicaciones éticas de la IA generativa.
  • Aplique conceptos de IA generativa a escenarios del mundo real.
Leer más...

Adobe Firefly: Generative AI for Creatives

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o presencial) está dirigida a diseñadores, artistas y creadores de contenido de nivel principiante que deseen usar Adobe Firefly para mejorar su creatividad y productividad.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya Adobe Firefly y Adobe Creative Cloud.
  • Cree imágenes, efectos de texto y paletas de colores a partir de indicaciones de texto con Adobe Firefly.
  • Utilice Adobe Firefly en Adobe aplicaciones como Photoshop, Illustrator y Express.
  • Generar contenido que sea seguro para uso comercial y que respete los derechos de los creadores de contenido.
  • Aplicar principios éticos y responsables al utilizar la IA generativa.
Leer más...

Advanced LLMs for NLP Tasks

 21 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Establecer un entorno de desarrollo con LLM y herramientas esenciales.
  • Realice de manera experta tareas de NLU y NLI con LLM.
  • Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
  • Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
  • Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
  • Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.
Leer más...

Generative AI: Creating Novel Content with AI Models

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a científicos de datos de nivel principiante a intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar la IA generativa para crear contenido novedoso y diverso para diversos propósitos.Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya modelos y herramientas de IA generativa.
  • Cree imágenes, texto, audio y otros contenidos a partir de indicaciones de texto utilizando IA generativa.
  • Utiliza la IA generativa en diferentes ámbitos, como el arte, el diseño, el entretenimiento y la educación.
  • Evaluar la calidad y diversidad de los contenidos generados por la IA generativa.
  • Comprender las implicaciones éticas y sociales de la IA generativa.
Leer más...

Introduction to Large Language Models (LLMs)

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar modelos de lenguaje grandes para diversas tareas de lenguaje natural. Al final de esta capacitación, los participantes serán capaces de:
    Configure un entorno de desarrollo que incluya un LLM popular. Cree un LLM básico y ajústelo en un conjunto de datos personalizado. Utilice los LLM para diferentes tareas de lenguaje natural, como el resumen de textos, la respuesta a preguntas, la generación de textos, etc. Depura y evalúa los LLM con herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.
Leer más...

Small Language Models (SLMs): Applications and Innovations

 14 horas
Esta capacitación en vivo dirigida por un instructor en Caracas (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
  • Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
  • Optimice y ajuste los SLM para casos de uso específicos.
  • Implemente SLM en entornos con recursos limitados.
  • Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.
Leer más...

Last Updated:

Testimonios (0)

Otras regiones de Venezuela

Otros países

Estos cursos también están disponibles en otros países

Consultoría

Generative AI Consultoría
Cursos de Fin de Semana de Generative AI en Caracas, Capacitación por la Tarde de Generative AI en Caracas, Generative AI con instructor en Caracas, Clases Particulares de Generative AI en Caracas, Instructor de Generative AI en Caracas, Cursos Privados de Generative AI en Caracas, Cursos por la Tarde de Generative AI en Caracas, Clases de Generative AI en Caracas, Generative AI boot camp en Caracas, Cursos de Formación de Generative AI en Caracas, Generative AI en sitio en Caracas, Generative AI coaching en Caracas, Capacitador de Generative AI en Caracas, Capacitación de Fin de Semana de Generative AI en Caracas
NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_site_production_url" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_site_production_url" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 131 [function] => variable_get [args] => Array ( [0] => nobleprog_site_production_url ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 94 [function] => islc_get_current_site [args] => Array ( ) ) [3] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7_block.inc [line] => 34 [function] => islc_get_site_list [args] => Array ( ) ) [4] => Array ( [file] => /apps/nobleprog-website/nptemplates/default.php [line] => 265 [function] => islc7_sites_links_array_v3 [args] => Array ( ) ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 134 [args] => Array ( [0] => /apps/nobleprog-website/nptemplates/default.php ) [function] => require_once ) [6] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [8] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [9] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [10] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "devel_domain" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "devel_domain" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 99 [function] => variable_get [args] => Array ( [0] => devel_domain [1] => ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7_block.inc [line] => 34 [function] => islc_get_site_list [args] => Array ( ) ) [3] => Array ( [file] => /apps/nobleprog-website/nptemplates/default.php [line] => 265 [function] => islc7_sites_links_array_v3 [args] => Array ( ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 134 [args] => Array ( [0] => /apps/nobleprog-website/nptemplates/default.php ) [function] => require_once ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) ) NP URI: www.nobleprog.com.ve/generative-ai/cursos/caracas Undefined array key "nobleprog_site_production_url" /apps/nobleprog-website/includes/functions/new-modules-general-functions.php:82 Array ( [0] => Array ( [file] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [line] => 82 [function] => myErrorHandler [args] => Array ( [0] => 2 [1] => Undefined array key "nobleprog_site_production_url" [2] => /apps/nobleprog-website/includes/functions/new-modules-general-functions.php [3] => 82 ) ) [1] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7.module [line] => 131 [function] => variable_get [args] => Array ( [0] => nobleprog_site_production_url ) ) [2] => Array ( [file] => /apps/hitra7/drupal7/sites/all/modules/_custom/frontend/islc7/islc7_block.inc [line] => 44 [function] => islc_get_current_site [args] => Array ( ) ) [3] => Array ( [file] => /apps/nobleprog-website/nptemplates/default.php [line] => 265 [function] => islc7_sites_links_array_v3 [args] => Array ( ) ) [4] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 134 [args] => Array ( [0] => /apps/nobleprog-website/nptemplates/default.php ) [function] => require_once ) [5] => Array ( [file] => /apps/nobleprog-website/modules/category_region/category_region.php [line] => 41 [function] => category_region_logic [args] => Array ( [0] => generative-ai [1] => caracas ) ) [6] => Array ( [file] => /apps/nobleprog-website/core/routes.php [line] => 19 [function] => category_region_menu_callback [args] => Array ( [0] => /generative-ai/cursos/caracas ) ) [7] => Array ( [file] => /apps/nobleprog-website/__index.php [line] => 100 [args] => Array ( [0] => /apps/nobleprog-website/core/routes.php ) [function] => require_once ) [8] => Array ( [file] => /apps/nobleprog-website/_index.php [line] => 26 [args] => Array ( [0] => /apps/nobleprog-website/__index.php ) [function] => include_once ) [9] => Array ( [file] => /apps/hitra7/index.php [line] => 54 [args] => Array ( [0] => /apps/nobleprog-website/_index.php ) [function] => include_once ) )