inflearn logo

Từ MLE đến nhập môn AE·VAE | Công khai miễn phí bài giảng Diffusion TTD

Thực ra, mạng nơ-ron nhân tạo vốn là thứ xuất ra các phân phối! TTD: Chúng tôi công khai miễn phí phần nhập môn về MLE·AE·VAE của To The Diffusion. Bạn sẽ hiểu đầu ra và hàm mất mát của mạng nơ-ron thông qua ước lượng hợp lý cực đại, đồng thời kết nối từ PCA·bộ mã hóa tự động đến việc tạo ảnh dựa trên biến tiềm ẩn và lý do cần VAE. Tổng cộng 5 bài học, kéo dài khoảng 2 giờ 26 phút.

1 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

Deep Learning(DL)
Deep Learning(DL)
Deep Learning(DL)
Deep Learning(DL)
Thumbnail

Bạn sẽ nhận được điều này sau khi học.

  • Hiểu đầu ra của mạng nơ-ron dưới góc độ phân phối xác suất

  • Hiểu nguyên lý học của deep learning dưới góc nhìn ước lượng hợp lý cực đại (MLE)

  • Hiểu về việc nén và khôi phục bằng PCA·AE, tạo ảnh dựa trên biến tiềm ẩn và sự cần thiết của VAE

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Dành cho những ai muốn hiểu sâu hơn về đầu ra của mạng nơ-ron và hàm mất mát

  • Dành cho những ai muốn hiểu sự khác biệt giữa AE và VAE, cũng như lý do cần biến tiềm ẩn và mô hình xác suất trong việc tạo ảnh

Cần biết trước khi bắt đầu?

  • Các khái niệm cơ bản về mạng nơ-ron nhân tạo và học sâu

  • Biết các khái niệm cơ bản về xác suất và phân phối xác suất sẽ rất hữu ích. Bạn không cần biết trước về VAE hay diffusion.

Xin chào
Đây là hyukppen

Xin chào. Tôi là Hyeokpenheim, giảng viên chuyên về học sâu, tốt nghiệp tiến sĩ Khoa Điện và Điện tử KAIST. Sau thời gian làm nghiên cứu viên chính tại Samsung Electronics và giảng viên thỉnh giảng tại Trường Y thuộc Đại học Sungkyunkwan, hiện tôi đang điều hành Học viện Hyeokpenheim. Tôi là tác giả của cuốn sách nhập môn học sâu 『Easy! 딥러닝』, với 11 năm kinh nghiệm giảng dạy và đã tích lũy kinh nghiệm đào tạo cho khoảng 3.000 học viên. Tôi chuyên về lý thuyết học sâu và thực hành PyTorch, bao gồm CNN, Transformer, LLM·mô hình thị giác và diffusion.

Không đơn thuần ghi nhớ cấu trúc mô hình hay công thức, tôi giải thích để người học hiểu vì sao mỗi ý tưởng xuất hiện và chúng hoạt động như thế nào. Bắt đầu từ những phép so sánh trực quan, tôi làm rõ ý nghĩa của các công thức, liên hệ chúng với mã nguồn, đồng thời hướng đến việc xây dựng nền tảng giúp người học tự giải thích những gì đã học và đọc hiểu sâu các bài báo khoa học.

Trên kênh YouTube “혁펜하임”, các bài giảng từ toán cơ bản, Python đến những chủ đề chuyên sâu về deep learning được công khai, đồng thời cũng tổ chức các buổi giảng dạy và đào tạo dành cho trường học, doanh nghiệp và tổ chức.

Thêm

Chương trình giảng dạy

Tất cả

5 bài giảng ∙ (2giờ 26phút)

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!

Khóa học khác của hyukppen

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Miễn phí