강의

멘토링

로드맵

NEW
AI Development

/

Deep Learning & Machine Learning

[AI実習] Prompt-to-prompt論文実装を通じて理解するDiffusionモデル

この講義では、生成型人工知能モデルの中でもDiffusionモデルに関連する実習を行います。代表的なDiffusionモデル応用論文であるprompt-to-prompt論文を一緒に読んで実装することで、最新の人工知能論文を理解する能力を養うことができることを期待しています。

7名 が受講中です。

  • dongdong1
논문
논문구현
컴퓨터비전
Stable Diffusion
Python
Deep Learning(DL)
PyTorch
AI
Generative AI

こんなことが学べます

  • Diffusion モデルの概念を理解する

  • 代表的なDiffusionモデル応用論文であるPrompt-to-prompt論文の理解

  • PyTorchを使ってPrompt-to-prompt論文を実装してみる

  • AI論文を読んで実装する際に詰まる部分への解決方法

有名なDiffusion論文の結果、私も再現してみることができるだろうか 📖

Prompt-to-prompt論文の実装実習を通じて、Diffusionモデルの詳細を自然に理解し、
AIキャリアを歩むために必須となった論文実装能力を身につけましょう!


Diffusionモデルを勉強する中で、以下のような困難を経験されたことはありませんか?

  • 最新モデルのコードが公開されていないか、理解しにくく書かれている。

  • 理論に関する情報は無数にあるが、いざ特定のモデル実装を始めようとすると途方に暮れる。


人工知能専攻者の立場から経験した、上記のような困難を克服したノウハウをすべて込めました。この講義では、Diffusionモデルの必須概念について理解し、主要論文のコードを一緒に実装しながら結果を再現してみます。

以下はPrompt-to-prompt論文の実装結果の例です。

このような内容を学びます📚

Diffusion モデルの概念を概観する

論文を読む前に、Diffusionモデルについて知っておくべき事前知識を実用的な観点から素早く概観します。また、実装の観点から知っておくべきDiffusionモデルアーキテクチャについても説明します。


Prompt-to-prompt論文を理解する

代表的なDiffusionモデル応用論文であるPrompt-to-prompt論文を一緒に読みながら、核心的な内容をまとめてみます。実装時に考慮すべき部分を重点的に扱い、人工知能論文を読む方法についての全般的なコツが込められています。


Prompt-to-prompt論文を実装する

一緒に読んだ論文を基に、論文の結果を再現するためのコードを作成してみます。講義内容はライブコーディングで構成されており、論文の内容を実装するための詳細についての説明を含みます。また、実装中に発生する様々な問題に対するトラブルシューティング方法を学ぶことができます。


予想質問 Q&A 💬

Q1. 最新の人工知能モデルを単に応用したいだけなのに、わざわざ論文を探して読む必要があるでしょうか?
A. 論文を探して読んでみることが、その応用方法を正確に理解する最も早い道です。論文を通じて最新の人工知能トレンドを素早く習得してみてください。


Q2. 論文を理解するには前提知識がたくさん必要ではありませんか?

A. その分野に対する基礎的な予備知識があれば、よく分からない概念はその都度調べながら理解することができます。この講義を通じて人工知能論文を理解するための核心概念とノウハウを身につけてください。

受講前の参考事項📜

実習環境

  • プログラミング言語およびライブラリ:Python、PyTorch、Hugging Face

  • 開発環境ツール:Visual Studio Code、Anaconda、Jupyter Notebook

  • 実行ハードウェア要件:Nvidia GPU 12GB以上 / Apple Silicon 16GB以上

学習資料

  • 講義スライド、論文、実習コード提供


前提知識

  • Python言語に対する理解

  • Visual Studio Code、Anaconda、Jupyter Notebookを活用した基礎的な開発経験

  • 線形代数/人工知能に対する基礎的な理解

注意事項

  • この講義は、Diffusionモデルを応用する論文を理解し、実装する実習プロジェクトです。

  • 人工知能のすべての理論をAからZまで扱う講義ではありません。

  • 論文の内容を実装する際に必要な背景知識を実用的な観点から扱います。

こんな方に
おすすめです

学習対象は
誰でしょう?

  • 最新の人工知能論文の内容を実装するプロジェクトと関連するすべての方々

  • 人工知能関連のキャリア準備をされている方々(AIエンジニア、AI大学院など)

  • 人工知能をテーマに大学の卒業論文・プロジェクトを準備されている方々

前提知識、
必要でしょうか?

  • Python言語に対する理解

  • Visual Studio Code、Anaconda、Jupyter Notebookを活用した基礎的な開発経験

  • 線形代数/人工知能に対する基礎的な理解

こんにちは
です。

667

受講生

43

受講レビュー

6

回答

4.5

講座評価

2

講座

서울대학교 대학원에서 인공지능을 공부하고 있습니다.

カリキュラム

全体

52件 ∙ (6時間 32分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

まだ十分な評価を受けていない講座です。
みんなの役に立つ受講レビューを書いてください!

期間限定セール

¥13

69%

¥6,538

似ている講座

同じ分野の他の講座を見てみましょう!