
모두의 한국어 텍스트 분석과 자연어처리 with 파이썬
박조은
파이썬 한국어 텍스트 분석과 자연어처리 워드클라우드 시각화, 형태소 분석, 토픽모델링, 군집화, 유사도 분석, 텍스트데이터 벡터화를 위한 단어 가방과 TF-IDF, 머신러닝과 딥러닝을 활용한 텍스트 분류, 허깅페이스 활용법
초급
NLP, 텍스트마이닝, 머신러닝
この講義は拡散モデル(Diffusion Model)の進化過程を論文とコードで完全制覇する実戦中心のマスタークラスです。 DDPM(Denoising Diffusion Probabilistic Model)とDDIMなど、生成AIの核心モデルたちを論文原理から直接実装しながら学習します。 各モデルの登場背景、数式、ネットワーク構造(U-Net、VAE、Transformer)、学習過程(Noise Schedule、Denoising Step)、そして性能向上を導いたアイデアたちを段階別に分析します。受講生はすべてのモデルをPyTorchベースで直接コーディングし、論文を理解することに留まらず「再現し応用できる実務能力」を得ることになります。 また、モデル間の違いと発展の流れを比較し、どのように拡張されるかを明確に理解するようになります。 この講義は理論・コード・実習を一つに、研究者・開発者・創作者すべてに生成モデルの進化を体系的に習得できる旅程を提供します。 論文を「読むこと」を超え、直接実装しながら「理解し再創造」する経験を今始めてください。
DDPM、DDIMなど主要な拡散モデルの構造と原理を段階別に理解します。
各論文に提示された核心アイデアをコードで直接実装します。
モデル別の違いを比較しながら、Diffusion系モデルがどのように始まり進化したかを実験を通じて体感します。
論文ベースのモデルを実際のPyTorchコードで再現し、カスタム画像生成実験まで実行します。
学習対象は
誰でしょう?
Stable Diffusion、DiT、SANAなど最新生成AIモデルの構造を深く理解したい開発者及び研究者
Diffusion論文を単純に読むことを超えて、実際に実装しながら体得したい学習者
AIアート、画像生成、モデル研究開発に興味のある大学院生、エンジニア、データサイエンティスト
前提知識、
必要でしょうか?
基礎数学の知識とPythonとPyTorchの基本文法を知っていれば十分です。
Jupyter NotebookまたはVS Code環境で実習できる基本的な開発環境が必要です。
全体
17件 ∙ (2時間 52分)
講座資料(こうぎしりょう):
1. 講義紹介
05:10
2. DDPM セクション紹介
02:20
3. 環境設定
03:27
4. DDPM用語整理
07:51
5. DDPM順伝播過程
08:54
6. DDPM逆過程
11:03
7. Jensen不等式
07:40
8. ELBO
04:56
9. DDPM Loss
12:58
10. DDPM ノイジングスケジュール
13:12
12. DDPM実装(UNet)
22:34
13. DDPM学習
16:10
14. DDPM完了
03:52
15. DDIM紹介
07:11
16. DDIM理論
12:15
17. DDIM実装
15:01
期間限定セール
¥27,890
34%
¥5,180
同じ分野の他の講座を見てみましょう!