投稿

李宏毅2024春《生成式人工智能导论》

35.5万

8686

2024-02-24 15:04:57

正在缓冲...

youtube - “2023年是AI技术与应用变革的一年，随着技术推进，应该要有不一样的课程”，今年停开《机器学习》，可能2025年春季班继续 - 该课程的目标受众为初学者，不需要任何先验知识，也不要求学生事先修过机器学习或人工智能课程，欢迎每个感兴趣的同学参加课程网址：https://speech.ee.ntu.edu.tw/~hylee/genai/2024-spring.php 和往年一样，该课所有资料实时整理归纳：公众号【啥都会一点的研究生】->回复【26】->底部阅读原文

啥都会一点的研究生发消息

啥都会一点，啥都不精通，自动驾驶感知算法工程师。公众号：啥都会一点的研究生

第0讲：课程说明

25:40

第1讲：生成式AI是什么

29:29

（延申）80分钟快速了解大型语言模型

01:32:10

作业 1：真假难辨的世界

19:17

第2讲：今日的生成式人工智能厉害在哪里？从「工具」变为「工具人」

26:06

第3讲：训练不了人工智能？你可以训练你自己（上）

34:35

作业2：都是 AI 的作文比赛

33:57

第4讲：训练不了人工智能？你可以训练你自己（中）

47:22

（延申）能够使用工具的AI：New Bing, WebGPT, Toolformer

24:23

作业3：以 AI 搭建自己的应用

52:36

第5讲：训练不了人工智能？你可以训练你自己（下）

25:21

第6讲：大型语言模型修炼史 — 第一阶段- 自我学习，累积实力

34:26

(延申)让 AI 村民组成虚拟村庄会发生什么事

23:34

(延申)机器学习模型的可解释性 (Explainable ML) (上) – 为什么类神经网络可以正确分辨宝可梦和数码宝贝呢

49:08

作业四：Become an AI Hypnosis Master

53:37

第7讲：大型语言模型修炼史 — 第二阶段_ 名师指点，发挥潜力 (兼谈对ChatGPT 做逆向工程与LLaMA 时代的开始)

38:19

作业五：LLM Fine-tuning

50:44

第8讲：大型语言模型修炼史 — 第三阶段- 参与实战，打磨技巧 (Reinforcement Learning from Human Feedback, RLH

36:59

第9讲：以大型语言模型打造的AI Agent

24:46

作业六：Learning from Human Preferences

38:45

第10讲：今日的语言模型是如何做文字接龙的 — 浅谈Transformer 已经熟悉 Transformer 的同学可跳过)

38:16

第11讲：大型语言模型在「想」什么呢？ — 浅谈大型语言模型的可解释性

45:16

（延申）Transformer (上)

32:48

（延申）Transformer (下)

01:00:34

（延申）用语言模型來解释语言模型 (上)

21:41

（延申）用语言模型來解释语言模型 (下)

13:57

作业七：Understanding what AI is thinking

11:13

第12讲：浅谈评估大型语言模型能力的各种方式

46:12

第13讲：浅谈大型语言模型相关的安全性议题 (上) — 亡羊补牢、语言模型的偏见、有多少人用 ChatGPT 写论文审查意见

32:04

作业八：Safety Issue of Generative AI

36:55

第14讲：浅谈大型语言模型相关的安全性议题 (下) — 欺骗大型语言模型

15:33

第15讲：为什么语言模型用文字接龙，图片生成不用像素接龙呢？— 浅谈生成式人工智能的生成策略

45:27

第16讲：可以加速所有语言模型生成速度的神奇外挂 — Speculative Decoding

12:42

作业九：Quick Summary of Lecture Video

36:01

第17讲：有关影像的生成式AI (上) — AI 如何产生图片和影片 (Sora背后可能用的原理)

49:30

第18讲：有关影像的生成式AI (下) — 快速导读经典影像生成方法 (VAE, Flow, Diffusion, GAN) 以及与生成的影片互动

37:01

（延申）Variational Auto-encoder (VAE)

01:03:32

（延申）Generative Adversarial Network (GAN)

01:33:16

（延申）Flow-based Method

01:07:52

（延申）Diffusion Method

13:54

作业十：Stable Diffusion Fine-tuning

15:25

额外课程：GPT-4o

38:13

顶部