강의

멘토링

로드맵

NEW
AI Development

/

Deep Learning & Machine Learning

[AI Thực hành] Hiểu về mô hình Diffusion thông qua việc triển khai bài báo Prompt-to-prompt

Khóa học này thực hiện các bài thực hành liên quan đến mô hình Diffusion trong số các mô hình trí tuệ nhân tạo sinh tạo. Thông qua việc cùng nhau đọc và triển khai bài báo prompt-to-prompt - một bài báo ứng dụng mô hình Diffusion tiêu biểu, chúng tôi hy vọng có thể giúp bạn phát triển khả năng hiểu các bài báo trí tuệ nhân tạo mới nhất.

5 học viên đang tham gia khóa học này

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

Dịch cái này sang tiếng Việt

  • Hiểu khái niệm mô hình Diffusion

  • Hiểu về bài báo Prompt-to-prompt - một bài báo ứng dụng điển hình của mô hình Diffusion

  • Triển khai bài báo Prompt-to-prompt sử dụng PyTorch

  • Các phương pháp giải quyết những phần bị tắc nghẽn khi đọc và triển khai các bài báo AI

Kết quả của những bài báo Diffusion nổi tiếng, liệu tôi có thể tái tạo được không 📖

Thực hành triển khai bài báo Prompt-to-prompt để hiểu một cách tự nhiên các chi tiết của mô hình Diffusion, và
đạt được khả năng triển khai bài báo đã trở thành điều cần thiết để theo đuổi sự nghiệp AI!


Khi học về mô hình Diffusion, bạn có gặp phải những khó khăn như dưới đây không?

  • Mã của các mô hình mới nhất không được công khai hoặc được viết một cách khó hiểu.

  • Có vô số thông tin về lý thuyết, nhưng khi thực sự bắt đầu triển khai một mô hình cụ thể thì lại cảm thấy bối rối.


Từ góc độ của một chuyên gia về trí tuệ nhân tạo, tôi đã tổng hợp tất cả những kinh nghiệm vượt qua khó khăn như trên. Trong khóa học này, chúng ta sẽ hiểu về các khái niệm cần thiết của mô hình Diffusion và cùng nhau triển khai code từ các bài báo quan trọng để tái tạo kết quả.

Dưới đây là ví dụ kết quả triển khai của bài báo Prompt-to-prompt.

Bạn sẽ học những nội dung như thế này📚

Tổng quan khái niệm mô hình Diffusion

Trước khi đọc bài báo, chúng ta sẽ nhanh chóng tìm hiểu những kiến thức cơ bản cần biết về mô hình Diffusion từ góc độ thực tiễn. Đồng thời cũng sẽ thảo luận về kiến trúc mô hình Diffusion cần nắm vững từ góc độ triển khai.


Hiểu về bài báo Prompt-to-prompt

Chúng ta sẽ cùng đọc bài báo Prompt-to-prompt, một bài báo ứng dụng mô hình Diffusion tiêu biểu, và tổng hợp các nội dung cốt lõi. Bài báo này tập trung vào những phần cần xem xét khi triển khai và chứa đựng các mẹo tổng thể về cách đọc các bài báo trí tuệ nhân tạo.


Triển khai bài báo Prompt-to-prompt

Dựa trên bài báo đã đọc cùng nhau, chúng ta sẽ viết code để tái tạo kết quả của bài báo. Nội dung bài giảng được cấu trúc dưới dạng live coding, bao gồm giải thích chi tiết về việc triển khai nội dung của bài báo. Ngoài ra, bạn có thể học các phương pháp trouble shooting cho nhiều vấn đề phát sinh trong quá trình triển khai.


Câu hỏi dự kiến Q&A 💬

Q1. Tôi chỉ muốn ứng dụng các mô hình trí tuệ nhân tạo mới nhất thôi, liệu có cần thiết phải tìm và đọc các bài báo khoa học không?
A. Việc tìm kiếm và đọc các bài báo khoa học là con đường nhanh nhất để hiểu chính xác phương pháp ứng dụng đó. Hãy nhanh chóng nắm bắt các xu hướng trí tuệ nhân tạo mới nhất thông qua các bài báo khoa học.


Q2. Để hiểu được bài báo khoa học thì cần phải có nhiều kiến thức nền tảng phải không?

A. Nếu bạn có kiến thức cơ bản về lĩnh vực này, bạn có thể hiểu được bằng cách tra cứu những khái niệm chưa biết khi cần thiết. Hãy thu thập những khái niệm cốt lõi và bí quyết để hiểu các bài báo khoa học về trí tuệ nhân tạo thông qua khóa học này.

Lưu ý trước khi học📜

Môi trường thực hành

  • Ngôn ngữ lập trình và thư viện: Python, PyTorch, Hugging Face

  • Công cụ môi trường phát triển: Visual Studio Code, Anaconda, Jupyter Notebook

  • Yêu cầu phần cứng để chạy: Nvidia GPU 12GB trở lên / Apple Silicon 16GB trở lên

Tài liệu học tập

  • Cung cấp slide bài giảng, bài báo khoa học, mã code thực hành


Kiến thức tiên quyết

  • Hiểu biết về ngôn ngữ Python

  • Kinh nghiệm phát triển cơ bản sử dụng Visual Studio Code, Anaconda, Jupyter Notebook

  • Hiểu biết cơ bản về đại số tuyến tính/trí tuệ nhân tạo

Lưu ý

  • Khóa học này là một dự án thực hành để hiểu và triển khai các bài báo ứng dụng mô hình Diffusion.

  • Đây không phải là khóa học bao gồm tất cả lý thuyết trí tuệ nhân tạo từ A đến Z.

  • Xử lý kiến thức nền tảng cần thiết để triển khai nội dung nghiên cứu từ góc độ thực tiễn.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Tất cả những người liên quan đến dự án triển khai nội dung của các bài báo trí tuệ nhân tạo mới nhất

  • Những người đang chuẩn bị sự nghiệp liên quan đến trí tuệ nhân tạo (AI Engineer, Thạc sĩ AI, v.v.)

  • Những bạn đang chuẩn bị luận văn tốt nghiệp/dự án đại học với chủ đề trí tuệ nhân tạo

Cần biết trước khi bắt đầu?

  • Hiểu biết về ngôn ngữ Python

  • Kinh nghiệm phát triển cơ bản sử dụng Visual Studio Code, Anaconda, Jupyter Notebook

  • Hiểu biết cơ bản về đại số tuyến tính/trí tuệ nhân tạo

Xin chào
Đây là

665

Học viên

43

Đánh giá

6

Trả lời

4.5

Xếp hạng

2

Các khóa học

서울대학교 대학원에서 인공지능을 공부하고 있습니다.

Chương trình giảng dạy

Tất cả

52 bài giảng ∙ (6giờ 32phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Ưu đãi có thời hạn

16.500 ₫

70%

1.167.686 ₫

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!