Теория, или с чего все началось. Простейшие нейросети: принцип устройства. Перцептоны и система самообучения на ошибках. Распознавание объектов «компьютерным зрением» Ян ЛеКуна, включение в игру крупных игроков Microsoft и IBM. Deep Blue и помощник-скрепка как первые представители искусственного интеллекта в массовом применении. Big Data, поисковые машины, сверточные алгоритмы ЛеКуна в видеокамерах, алгоритмы социальных сетей. Рекуррентные (запоминающие контекст) алгоритмы в основе переводчиков и голосовых помощников. Что есть Encoding и Decoding. Алгоритм Deep Learning и самообучение. Alfa Go и принцип ее работы. Слои в нейросетях. Модели и их обучение.

Важность Soft Skills для трудоустройства дизайнера и вообще по жизни. Перевод с нейросетевого на человеческий. Теоретическая часть. Алгоритм трансформера (выделение важного). Модель Generative Pre-trained Transphormer (GPT) и BERT. Оптимизация данных. Общение с текстовыми моделями. Невозможность понимания «логики». Галлюцинации. Основы промт-инжиниринга в текстовых моделях.

Обход ограничений в использовании AI: почему неизбежно и что с этим сделать. Разметка данных: капча Гугл для расшифровки архивов и метод выбора транспортного средства с использованием нейронной технологии. Принципы работы алгоритмов GAN и Stack. Диффузные модели простым языком на примерах. Слои нейросетей: «этажи» или кластеры образов. Принцип «котлет и мух» и принцип «компота». Почему генеративным нейросетям крайне сложно рисовать объекты из одного смыслового кластера. Что делать, если стоит задача объединить в изображение объекты из одного кластера. Примеры решения задач с помощью сторонних сервисов, в частности поработаем в Adobe Photoshop. Возможности интеграции текстов в изображение Midjourney v 6. Ideogram на практике. Сложности создания идентичных персонажей в диффузных моделях. Почему портретное сходство до сих пор проблема – варианты обхода. Принципы и сложности процесса полноценного обучения собственной модели.