Prompt Engineering: Generative KI für die Bilderstellung

Zielgruppen:

 Dieses Angebot spricht ein breites Publikum an, z.B. Content Creator, Social Media Marketer, Bürofachangestellte, WissenschaftlerInnen, IngenieurInnen, SoftwareentwicklerInnen, DesignerInnen

Fachliche Voraussetzungen:

Gute PC Kenntnisse, Englischkenntnisse

Technische Voraussetzungen:

Keine besonderen Anforderungen.

Systematik der Agenturen für Arbeit:

keine Angaben

Inhalte

In diesem Modul erhalten Sie einen umfassenden Überblick über die Anwendung von künstlicher Intelligenz in der Bildgenerierung und -verarbeitung. Ein besonderer Fokus liegt auf der Generierung von Bildern aus Textprompts. Sie erlernen die Arbeitsweise von DALL-E und Midjourney, zwei kraftvollen Modellen, die in der Lage sind, visuell eindrucksvolle Bilder zu kreieren. Zudem werden fortgeschrittene Techniken wie Diffusionsmodelle und Stable Diffusion vorgestellt, die es ermöglichen, qualitativ hochwertige Bildergebnisse zu erzielen. Die Installation dieser Modelle auf Ihrer lokalen Umgebung und die effektive Nutzung ihrer Benutzeroberflächen wird ebenfalls behandelt. Darüber hinaus befasst sich das Modul mit Konzepten wie Inpainting und Outpainting, die Ihnen zusätzliche Kontrolle und Anpassungsmöglichkeiten bei der Bildgenerierung bieten. Alternativen und Erweiterungen, die neue kreative Möglichkeiten eröffnen, werden ebenfalls untersucht. Die im Modul erworbenen Kompetenzen sind in einer Reihe von Branchen wertvoll und anwendbar. Dazu zählen unter anderem der Bürobereich, Marketing, Redaktion, Medien, Bildung und wissenschaftliche Forschung.

Inhalt

Überblick über die KI-Landschaft
Grundlagen Generative Künstliche Intelligenz
Grundlagen OpenAI
Einführung in die GPT Familie
Grundlagen Bilderstellung mit DALL-E
Grundlagen Bilderstellung mit Midjourney
Grundlagen Diffusion Models
Grundlagen Stable Diffusion
Lokale Installation von Diffusion Models und Stable Diffusion Web UI
Text-zu-Bild-Generierung (txt2img)
Inpainting & Outpainting
Prompt aus einem Bild holen
Bildgenerierung mit mehreren Modellen
Erkundung Alternativen
Komplexe Übungen und Anwendungsbeispiele