Von GPT bis Diffusion: generative KI-Modelle theoretisch verstehen

Von GPT bis Diffusion: generative KI-Modelle theoretisch verstehen — Stärken und Grenzen.

MODUL 01: WAS HEISST GENERATIV?

• Diskriminativ versus generativ
• Verteilungen lernen und daraus ziehen
• Überblick der Modellfamilien
• Live-Demo: dasselbe Prinzip für Text und Bild
• Ihre Ausgangslage: Welches Modell wollen Sie verstehen?

MODUL 02: AUTOREGRESSIVE MODELLE

• Sprachmodellierung als Wahrscheinlichkeitskette
• Sampling: Temperatur, Top-k, Top-p
• Stärken und Grenzen
• Übung: Sie variieren Sampling-Parameter und beobachten
• Der Aha-Moment: Kreativität ist steuerbar

MODUL 03: DIFFUSIONSMODELLE

• Rauschen hinzufügen und entfernen
• Wie aus Rauschen Bilder werden
• Übung: Sie vollziehen den Diffusionsprozess nach
• Der Aha-Moment: das Bild schält sich aus dem Rauschen
• Warum Diffusion so gute Bilder liefert

MODUL 04: WEITERE ANSÄTZE

• GANs und VAEs im Vergleich
• Multimodale Generierung
• Stärken und Schwächen je Familie
• Übung: Sie wählen ein Modell nach Anwendungsfall
• Das richtige Werkzeug erkennen

MODUL 05: EINORDNUNG

• Fallstudie: Modellwahl für ein konkretes Ziel
• Grenzen und Risiken generativer Modelle
• Vom Verständnis zur besseren Nutzung
• Trends im Blick behalten
• Ihr Fahrplan zum Verständnis generativer KI