Image generation model that you can understand by implementing it - From CNN basics to Diffusion

Name: Image generation model that you can understand by implementing it - From CNN basics to Diffusion
Price: 22000 KRW

Hot image generation model! Let's understand it by implementing it from the basics! Let's implement AUTO ENCODER / VAE / GAN / DIFFUSION together!

(3.7) 3 reviews

73 learners

hjk1000

딥러닝

cnn

CNN

gan

Stable Diffusion

Tensorflow

Python

What you will learn!

Basic concepts of image generation models
AUTO ENCODER
VAE
GAN
DIFFUSION

Lecture Topics 📖

Understanding while implementing an image generation model
Implemented with AUTO ENCODER / VAE / GAN / DIFFUSION

Course Target Audience/Course Purpose 🙆‍♀️

Types of students considered by knowledge sharers

For those curious about image generation models
I know the general flow, but I find it difficult to actually implement it.
For those who want to understand the meaning through a simple implementation rather than a difficult implementation

Students' Concerns & Solutions

Don't you want to learn by implementing your own image generation model?
Aren't the codes you find on the Internet too complicated to understand?
Let's implement only the core with a simple implementation.

Changes in students after attending the lecture

Understanding Image Generation Models

Lecture Features ✨

I've been studying deep learning for over five years, even though I'm not a major in the field. Image generation models are fascinating, and I'm studying them. However, every resource I find presents such complex code implementations that I find analyzing the code more challenging than studying the actual model. To avoid the same struggles as I did, I'll focus on the core concepts and implementations, along with a simple, easy-to-follow guide.

We will walk you through the entire coding process together.
Rather than detailed formulas, I will explain with an easy-to-understand example.
Let's run it in Colab.
You should be able to handle Tensorflow simply.

What you'll learn 📚

_{Understanding CNNs from a Different Perspective - Extracting Outlines with CNNs}

_{Mapping handwritten data to latent space using AUTO ENCODER/VAE}

_{Restored from potential space}

_{Generating handwriting data with GAN}

_{Generating handwriting data with DIFFUSION}

Expected Questions Q&A 💬

Q. Can you explain the formula?
A. Rather than giving detailed formulas, I will explain the concept through examples.

Q. Is it difficult to implement the code?
A. I will implement the concept in the simplest way possible.

Things to note before taking the course 📢

Practice environment

Written in Google Colab.
Basic knowledge of Tensorflow is required.

Learning Materials

Source code provided

Player Knowledge and Precautions

Simple TensorFlow Usage / A Simple Understanding of the Normal Distribution

Introducing the Knowledge Sharer ✒️

Hello! My name is [Awesome]. I'm a non-major and have been studying deep learning for over five years. Deep learning is so much fun. I'm particularly fascinated by image generation models. While researching, I often found the concepts or code to be too complicated. I'd like to share what I've learned. As a non-major, I've often questioned whether it's appropriate to share this lecture. However, I believe there are definitely people in a similar situation, so I've gathered my courage and decided to share it.

Recommended for
these people

Who is this course right for?

Anyone who wants to implement an image generation model while coding
Anyone interested in image generation models

Need to know before starting?

Understanding the basics of Deep Learning
How to use TensorFlow

Hello
This is

1,441

Learners

Reviews

Answers

4.7

Rating

Courses

안녕하세요

비전공자로 딥러닝을 열심히 공부하는 직장인입니다.

공부하면서 느낀 점들을 여러분들과 함께 공유하고 싶습니다

감사합니다.

Curriculum

All

14 lectures ∙ (5hr 1min)

Course Materials:

Lecture resources

Section 1. INTRO - Introduction to the lecture model

1 lectures ∙ (4min)

1. INTRO
04:56

Section 2. CNN - Understanding CNN

1 lectures ∙ (26min)

2. CNN
26:15

Section 3. AUTO ENCODER - Understanding AE

1 lectures ∙ (36min)

3. AUTO ENCODER
36:51

Section 4. VAE - Understanding VAE

2 lectures ∙ (44min)

Section 5. GAN - Understanding GAN

3 lectures ∙ (1hr 14min)

Section 6. DIFFUSION - Understanding DIFFUSION

6 lectures ∙ (1hr 55min)

Published:

Last updated:

Reviews

All

3 reviews

3.7

3 reviews

nkhwi
Reviews 16
∙
Average Rating 4.5
5
36% enrolled
- hjk1000
  Instructor
  Ôi cảm ơn nhiều ạ.
krstyle03v
Reviews 5
∙
Average Rating 5.0
5
36% enrolled
Hiện tại tôi đang nghiên cứu mô hình tạo ra. Tôi đã từng nghe bài giảng này trước đây nhưng chưa từng viết đánh giá. Cá nhân tôi thấy bài giảng này rất thú vị vì chỉ cung cấp những nội dung cần thiết.
- hjk1000
  Instructor
  Ôi! Rất cảm ơn nhận xét.
moommir57690
Reviews 2
∙
Average Rating 3.0
1
36% enrolled
tôi không chắc
- hjk1000
  Instructor
  À... tôi đoán là lời giải thích của tôi vẫn chưa đủ... Chúng tôi sẽ chỉnh sửa nó để có thể giải thích dễ dàng hơn. Cảm ơn

$17.60

hjk1000's other courses

Check out other courses by the instructor!

Khám phá Deep Learning với Excel

hjk1000

Học nguyên lý deep learning trực quan với Excel.

입문

Excel, Deep Learning(DL), VBA

Khám phá Deep Learning với Excel

hjk1000

Lập trình xe tự hành với Python

hjk1000

Lý do khóa học này đặc biệt: Các ưu điểm chính • Trực quan hóa dễ hiểu: Tự mình xem hoạt động thuật toán trực tiếp theo thời gian thực qua mô phỏng Pygame 2D • Kinh nghiệm thực tế: Vượt lý thuyết, tự tay lập trình để nắm vững thuật toán tự hành • Làm chủ thuật toán cốt lõi: Tập trung học các thuật toán cần thiết như Dijkstra, Pure Pursuit, ICP, v.v. • Học chuyên sâu theo từng bước: Cấu trúc độ khó có hệ thống từ cơ bản đến SLAM • SLAM dựa trên Lidar: Thực hành xây dựng bản đồ và ước tính vị trí trong môi trường chưa biết

초급

Python, Autonomous Driving, slam

Lập trình xe tự hành với Python

hjk1000

Trí tuệ nhân tạo với Python

hjk1000

Học sâu (Deep learning) là kỹ thuật học dữ liệu thông qua mạng nơ-ron được tạo nên từ sự kết hợp của các hàm phức tạp. Trong khóa học này, chúng ta sẽ hiểu các khái niệm cốt lõi của học sâu một cách toán học và phân tích chúng dưới góc độ các phép toán ma trận. Đặc biệt, sử dụng thư viện NumPy của Python, chúng ta sẽ tự tay cài đặt quá trình lan truyền thuận và lan truyền ngược của học sâu, đồng thời trực quan hóa cách các tham số được cập nhật. Cấu trúc mạng nơ-ron tưởng chừng phức tạp cũng trở nên rõ ràng khi được giải quyết bằng các phép toán ma trận. Khóa học này chú trọng vào việc hiểu khái niệm hơn là lập trình, phù hợp với những sinh viên muốn nắm vững nguyên lý của học sâu một cách toán học và trực quan.

초급

Python, Numpy, Tensorflow

Trí tuệ nhân tạo với Python

hjk1000

Excel để thưởng thức deep learning -CNN

hjk1000

Thực hành nền tảng học sâu trên Excel và hiểu sâu ý nghĩa! Học cách xử lý dữ liệu hình ảnh!

초급

VBA, Excel, CNN

Excel để thưởng thức deep learning -CNN

hjk1000

Excel tạo Deep Learning - Phân loại

hjk1000

Triển khai nền tảng Deep Learning bằng Excel và hiểu sâu sắc ý nghĩa của nó!

초급

Excel, VBA, Deep Learning(DL)

Excel tạo Deep Learning - Phân loại

hjk1000

Khung học sâu được tạo bằng Excel

hjk1000

Hãy triển khai khung deep learning trực tiếp trong Excel! Hãy cùng giải quyết việc học có giám sát/học không giám sát/học tăng cường bằng cách sử dụng khung đã triển khai!

초급

VBA, Deep Learning(DL), Excel

Khung học sâu được tạo bằng Excel

hjk1000

Excel로 tìm hiểu Deep Learning - Xếp chồng sâu

hjk1000

Triển khai cơ bản Deep Learning trên Excel và thấu hiểu ý nghĩa sâu sắc!

초급

VBA, Excel, Deep Learning(DL)

Excel로 tìm hiểu Deep Learning - Xếp chồng sâu

hjk1000

Mô hình tạo hình ảnh để thực hiện và hiểu - tận dụng

hjk1000

Model được đào tạo trước (VGG16) / CAM / Grad-CAM / YOLO / CHUYỂN PHONG CÁCH / PIX2PIX / CYCLEGAN Tự mình thực hiện Khuếch tán ổn định

초급

vgg-net, yolo, gan

Mô hình tạo hình ảnh để thực hiện và hiểu - tận dụng

hjk1000

Similar courses

Explore other courses in the same field!

Mô hình tạo hình ảnh để thực hiện và hiểu - tận dụng

hjk1000

Model được đào tạo trước (VGG16) / CAM / Grad-CAM / YOLO / CHUYỂN PHONG CÁCH / PIX2PIX / CYCLEGAN Tự mình thực hiện Khuếch tán ổn định

초급

vgg-net, yolo, gan

Mô hình tạo hình ảnh để thực hiện và hiểu - tận dụng

hjk1000

Làm chủ tất tần tật về phát hiện bất thường bằng computer vision, từ phát triển đến triển khai

nexthumans

🚀 Học phát hiện bất thường AI thực tế với Databricks! 💡 Dừng các mô hình đắt đỏ và chậm chạp! Từ tối ưu hóa dữ liệu quy mô lớn đến triển khai thời gian thực, hoàn thành AI phát hiện bất thường có thể được sử dụng ngay trong thực tế kinh doanh.

중급이상

Python, AI, Machine Learning(ML)

Làm chủ tất tần tật về phát hiện bất thường bằng computer vision, từ phát triển đến triển khai

nexthumans

[Thực hành AI] Bắt đầu triển khai luận án dành cho Kỹ sư nghiên cứu AI với PyTorch

whitebox

Khi nghiên cứu AI hoặc thực hiện một dự án sử dụng nó, việc thực hiện một luận điểm cơ bản là điều cần thiết. Thông qua bài giảng này, hãy nâng cao kỹ năng thực hành của bạn bằng cách triển khai một luận văn thực tế!

중급이상

Deep Learning(DL), Generative AI, PyTorch

[Thực hành AI] Bắt đầu triển khai luận án dành cho Kỹ sư nghiên cứu AI với PyTorch

whitebox

Tạo OCR thực sự hiệu quả trong thực tế như thế này.

nexthumans

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.

초급

Python, AI, openai

Tạo OCR thực sự hiệu quả trong thực tế như thế này.

nexthumans

Xây dựng hệ thống phát hiện hỏa hoạn với Next.js và yolov11

ludgi

Tìm hiểu cách xây dựng hệ thống phát hiện cháy thời gian thực dùng Next.js, YOLOv11, FastAPI.

초급

Next.js, yolo, Python

Xây dựng hệ thống phát hiện hỏa hoạn với Next.js và yolov11

ludgi

[TensorFlow 2] Hoàn thành cuộc chinh phục Python machine learning - Dự án dự đoán kỷ lục Marathon

nomad

Đây là khóa học dự án máy học toàn diện, nơi bạn học nhiều dự án hồi quy và phân loại máy học hữu ích khác nhau cùng với lý thuyết sử dụng Python và TensorFlow 2 dựa trên dữ liệu lớn của Boston Marathon.

중급이상

Tensorflow, Machine Learning(ML), Keras

[TensorFlow 2] Hoàn thành cuộc chinh phục Python machine learning - Dự án dự đoán kỷ lục Marathon

nomad

Image generation model that you can understand by implementing it - From CNN basics to Diffusion

What you will learn!

Lecture Topics 📖

Course Target Audience/Course Purpose 🙆‍♀️

Types of students considered by knowledge sharers

Students' Concerns & Solutions

Changes in students after attending the lecture

Lecture Features ✨

What you'll learn 📚

Expected Questions Q&A 💬

Things to note before taking the course 📢

Practice environment

Learning Materials

Player Knowledge and Precautions

Introducing the Knowledge Sharer ✒️

Recommended for these people

HelloThis is .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Curriculum

Reviews

hjk1000's other courses

Similar courses

Recommended for
these people

Hello
This is