![ディープラーニングとPyTorch [そして画像分類]講義サムネイル](https://cdn.inflearn.com/public/files/courses/341712/cover/ai/3/f1bb7ccd-7a72-4fa7-9ae0-cc3c9b3f3e8b.png?w=420)
ディープラーニングとPyTorch [そして画像分類]
vmproductor0202
PyTorchを通じてディープラーニングを学びます。 最終的には講義で画像分類を扱います。
入門
Python, Deep Learning(DL), PyTorch
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。
受講生 66名
難易度 中級以上
受講期間 無制限
学習した受講者のレビュー
5.0
south420
ディープラーニング論文実装講義があまりなくて探していたのですが、良い講義をありがとうございます!
5.0
개발꿈나무
講義をよく聞かせていただきました!私のような初心者のために、AI基礎関連の論文講義もしていただけるといいですね
5.0
열심히공부
これほど詳しく親切に説明してくれる論文実装講義は初めてのようですね。Diffusion論文がどのような構成になっているのか、とても参考になりました。ありがとうございます。
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
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。
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。

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。

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。

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。
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
講義スライド、論文、実習コード提供
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。
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
全体
53件 ∙ (6時間 32分)
講座資料(こうぎしりょう):
3. 生成モデルとは?
04:04
4. 画像生成モデル Overview
07:53
5. 拡散プロセス
02:56
7. 初期Diffusionモデルの限界
02:44
10. [参考] U-Net
03:04
15. 人工知能論文構造
05:40
16. 要約
13:57
20. 関連研究
09:02
21. Method (1/9)
05:44
22. Method (2/9)
10:59
23. Method (3/9)
11:22
24. Method (4/9)
13:49
25. Method (5/9)
04:39
26. Method (6/9)
17:04
27. Method (7/9)
12:21
28. Method (8/9)
05:37
29. Method (9/9)
03:31
32. アプリケーション(3/7)
02:38
36. アプリケーション (7/7)
04:34
37. 結論
09:32
全体
9件
4.8
9件の受講レビュー
受講レビュー 1
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
5
講義をよく聞かせていただきました!私のような初心者のために、AI基礎関連の論文講義もしていただけるといいですね
良いレビューありがとうございます。AI基礎講座を企画中です。近いうちに新しい講座でお会いしましょう!
受講レビュー 111
∙
平均評価 4.9
同じ分野の他の講座を見てみましょう!