课程：大模型与Sora技术应用

求知

文章

文库

Lib

咨询

会员

成功案例

相关课程

全部课程 >人工智能

大模型与Sora技术应用

491 次浏览

6 次


Coulomp 老师
计算可视化博士，人工智能企业创始人，身兼某985大学教授。

时间地点：北京、深圳、上海根据报名开班

课程费用：5700元/人

报公开课

要内训

企业内训：可以根据企业需求,定制内训,详见内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：

在线考试

能力分析，给出学习建议

合格者颁发证书，作为职业技能资格证明

通过剖析大模型技术，了解 AIGC 模型效果跃升的原因，明晰无监督问题、训练方法的异同及主流技术的变迁，分析比较 Sora 与其他大模型技术优势，了解语言理解与字幕生成及其应用，实操图像生成和应用技术，经典和热门应用场景分析。

课程目标：

通过本课程学习与实践，学员将理解与掌握：
1. AIGC 模型效果跃升的原因
2. 无监督问题、训练方法的异同及主流技术的变迁
3. Sora 与其他大模型技术优势
4. 语言理解与字幕生成及其应用
5. 图像生成和应用
6. 应用场景与潜力分析
7. 大模型与 Sora 现有局限性分析

培训对象： AI工程师、数据分析师、有一年以上工作经验的算法工程师、对AI技术感兴趣的IT从业人员。

学员基础： 了解数据分析和人工智能的基础知识

授课方式：定制课程 + 案例讲解 + 小组讨论，60%案例讲解，40%实践演练

培训内容：2天

主题	课程安排
一、大模型技术剖析：	1.1 AIGC 模型效果跃升的原因：训练方式的改变无监督学习人工反馈强化学习 RLHF AIGC 的模型发展过程 CNN-RNN-Transformer-GPT1-BERT-GPT2-GPT3-InstructGPT-chatGPT-GPT4 从上述发展过程中我们可以发现什么探讨： AIGC 的下一代模型会怎么发展？ 1.2 无监督问题、训练方法的异同及主流技术的变迁从 Lecun 的名言说起为什么无监督学习能够最终胜出强化学习在其中的地位强化学习实际落地项目都有哪些？ “多模态”的意义 “不太冷的冷知识”： AIGC 的训练数据不止包括文本机器学习训练的一般思路和具体方法深度学习对机器学习的“改进”之处单模态训练的通用过程多模态结合无监督学习产生的巨大变化多模态解决 zero-shot/few-shot 问题的思路
二、Sora与其他大模型技术优势分析	什么是 Sora Sora 视频生成能力 Sora 技术独特之处统一的视觉数据表示视频压缩网络扩散型变换器模型视频压缩与潜在空间时空补丁训练网络与解码器视觉数据维度降低大规模训练视频生成的可扩展性可变持续时间、分辨率原生纵横比支持采样灵活性改进的取景和构图涌现模拟能力
三、语言理解与字幕生成及其应用	使用图像和视频作为提示词动画 DALL · E 图像扩展生成的视频视频到视频编辑连接视频字幕生成重字幕技术 GPT 技术应用
四、图像生成和应用实操	新兴的仿真功能三维空间的连贯性动态相机运动空间一致性长期连续性和物体持久性角色和物体的一致性视频内容的连贯性与世界互动简单影响行为模拟模拟数字世界 Minecraft 游戏模拟高保真渲染
五、应用场景与潜力分析	电影与娱乐产业游戏开发教育与培训广告与营销虚拟现实（ VR ）与增强现实（ AR ）科学研究与模拟生成数据毕业生职位分类案例研究提示函数 FunctionCalling 提示工程在模型上的应用 AI 聊天社交应用 CallAnnie NewBing AI 辅助文章创作迅捷 AI 写作 ChibiAI AI 办公智能助手 GrammaAI boardmix AI 艺术领域创作
六、大模型与Sora现有局限性分析	物理交互的准确性长期依赖关系的处理空间细节的精确性模型的可解释性计算资源的需求数据偏差和伦理问题创意和艺术表达的限制交互性和反馈

报公开课

要内训

491 次浏览

6 次

其他人还看了课程

大数据分析、AI算法与可视化技术应用实战 3622 次浏览

机器人软件开发技术 3421 次浏览

知识图谱建模与应用 4266 次浏览

人工智能前沿：对抗式生成网络GAN 1612 次浏览

机器学习与大数据的应用结合 3991 次浏览

基于R的影响预测模型建立实战 1919 次浏览

最新活动计划

MBSE（基于模型的系统工程）4-18[北京]

自然语言处理（NLP） 4-25[北京]

基于 UML 和EA进行分析设计 4-29[北京]

以用户为中心的软件界面设计 5-16[北京]

DoDAF规范、模型与实例 5-23[北京]

信息架构建模（基于UML+EA）5-29[北京]