Beginners Roadmap to Learn Generative AI in 2024

2024年に生成AIを学ぶための初心者のロードマップ

1。ユーザー

ユーザーとして生成AIの学習を開始するには、次の手順に従ってください。

• サインアップして、生成的なAIツール（chatgpt、bard、midjourney、dalle 2、安定した拡散）でアカウントを作成します。
• これらのツールで実践的な経験を積む。
• 生成AIツールの機能と機能を理解します。
• ツールを試して、長所と短所を探索します。

2。スーパーユーザー

生成AIツールに精通した後、スーパーユーザーとしての知識を強化してください。

• 迅速なエンジニアリングについて学びます。
• 生成AIツールの効果的なプロンプトを探索します。
• プロンプトを書くためのベストプラクティスを理解してください。

3。開発者

開発者の場合、ロードマップには次のものが含まれます。

前提条件

生成AI開発に飛び込む前に、次のことを十分に理解していることを確認してください。

• 確率と統計の概念。
• 線形代数の概念。
• 微積分の概念。
• python/rのようなプログラミング言語。

機械学習

• 監視されていない監視されていない学習アルゴリズムに満足しています。
• 表形式のデータセットで機械学習モデルを構築します。

深い学習

• 深い学習アーキテクチャ（MLP、RNNS、LSTMS、Grus、CNNS）を理解します。
• ディープラーニングフレームワーク（Keras、Tensorflow、Pytorch、またはFastai）の実践的な経験。
• MLP、RNNS、CNNSなどのディープラーニングモデルを訓練します。

NLPおよびコンピュータービジョンの生成モデル

あなたのパスを選択してください：

3.3.1 NLPの生成モデル

• トランス、Bert、GPT 3.5、Palm 2などのマスターラージランゲージモデル（LLMS）。
• ダウンストリームタスクとFinetuningにLLMSを使用します。
• ChatGptやBardなどのモデルを探索します。

3.3.2コンピュータービジョンの生成モデル

• 拡散モデルについて学びます。
• 安定した拡散モデルを理解します。
• Mid Journey、Dalle 2などのモデルを探索します。

4。研究者

生成AIの意欲的な研究者のために：

NLP研究者

• 注意モデル、KQVの注意、層の正規化、位置エンコーディングを実装します。
• 独自のGPTアーキテクチャを構築します。
• 強化学習アルゴリズムとPPOを学びます。
• RLHFを実装します。
• ChatGptをゼロから構築します。
• NLPの生成AIの現在の傾向で最新情報を入手してください。

コンピュータービジョン研究者

• 拡散モデルをゼロから構築します。
• 安定した拡散を実装します。
• コンピュータービジョンの生成AIの現在の傾向を最新の状態に保ちます。

---

このロードマップは、ユーザーであることから生成AIの研究者への進歩を支援するガイドです。興味と目標に基づいて学習パスをカスタマイズします。