آموزش هوش مصنوعی مولد دستی با مدل‌های انتشار: ساخت اپلیکیشن‌های دنیای واقعی

Hands-On Generative AI with Diffusion Models: Building Real-World Applications

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

از آنجایی که برنامه‌های کاربردی هوش مصنوعی و یادگیری ماشین به طور فزاینده‌ای قدرتمند و فراگیر می‌شوند، ضروری است که توسعه‌دهندگان بدانند چگونه مدل‌های مولد را بدون توجه به صنعت یا نقش فعلی‌شان اعمال کنند. با توجه به تقاضای پیش‌بینی‌شده در آینده برای متخصصان هوش مصنوعی، این دوره آموزشی عملی و مبتنی بر مهارت طراحی شده است تا شما را با ابزارها و دانش فنی مورد نیاز تجهیز کند تا شما را به سرعت ساختن برنامه‌های کاربردی دنیای واقعی برساند و با فعلی و در حال ظهور همگام باشید. روندها.

با کاوش در قدرت کتابخانه پخش‌کننده‌های Hugging Face، نحوه استفاده از برخی از جدیدترین پیشرفت‌ها در هوش مصنوعی مولد با مدل‌های انتشار را بیاموزید. به مربی و متخصص هوش مصنوعی نایان ساکسنا بپیوندید تا در تولید تصویر بدون قید و شرط، تولید تصویر با هدایت متن، ترجمه تصویر به تصویر، هنر نقاشی تصویر، بهبود کیفیت و کارایی تصویر، تولید موسیقی و موارد دیگر غواصی کند. در پایان این دوره، شما در استفاده از این مدل ها در سناریوهای دنیای واقعی مهارت خواهید داشت.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر هوش مصنوعی مولد و مدل های انتشار Introduction to generative AI and diffusion models

  • فایل های تمرینی Exercise files

  • آنچه شما باید بدانید What you should know

1. تولید تصویر بدون قید و شرط 1. Unconditional Image Generation

  • تولید تصویر بدون قید و شرط با مدل های انتشار Unconditional image generation with diffusion models

  • نسخه ی نمایشی: ساخت یک مدل تولید تصویر بدون قید و شرط Demo: Building an unconditional image generation model

2. تولید تصویر با هدایت متن 2. Text-Guided Image Generation

  • نسخه ی نمایشی: ساخت یک مدل تولید تصویر با هدایت متن Demo: Building a text-guided image generation model

  • تولید تصویر با هدایت متنی با مدل‌های انتشار Text-guided image generation with diffusion models

3. ترجمه تصویر به تصویر 3. Image-to-Image Translation

  • نسخه ی نمایشی: ساخت مدل ترجمه تصویر به تصویر Demo: Building an image-to-image translation model

  • ترجمه تصویر به تصویر با مدل های انتشار Image-to-image translation with diffusion models

4. Inpainting تصویر 4. Image Inpainting

  • نسخه ی نمایشی: ساخت یک مدل نقاشی داخلی Demo: Building an image inpainting model

  • رنگ آمیزی تصویر با مدل های انتشار Image inpainting with diffusion models

5. بهبود کیفیت و کارایی تصویر 5. Improving Image Quality and Efficiency

  • تولید قطعی برای بهبود تصویر Deterministic generation for image improvement

  • کاوش زمان‌بندی‌های مختلف برای مدل‌های انتشار Exploring different schedulers for diffusion models

  • نسخه ی نمایشی: نسل قطعی در عمل Demo: Deterministic generation in action

6. آموزش تقویتی (RL) و برنامه های موسیقی 6. Reinforcement Learning (RL) and Music Applications

  • نسخه ی نمایشی: تولید موسیقی با مدل های انتشار Demo: Music generation with diffusion models

  • فراتر از تصاویر با مدل های انتشار Beyond images with diffusion models

نتیجه Conclusion

  • مراحل بعدی در ساخت برنامه های کاربردی هوش مصنوعی Next steps in building generation AI applications

نمایش نظرات

آموزش هوش مصنوعی مولد دستی با مدل‌های انتشار: ساخت اپلیکیشن‌های دنیای واقعی
جزییات دوره
0h 33m
17
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
548
- از 5
ندارد
دارد
دارد
Nayan Saxena
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nayan Saxena Nayan Saxena

نایان ساکسنا یک آمارشناس و متخصص یادگیری عمیق است.

نایان سهم قابل توجهی در هوش مصنوعی مولد داشته است، صنایع مختلف را تحت تاثیر قرار داده و مخاطبان زیادی را جذب کرده است. دانش آموخته دانشگاه تورنتو، تخصص او در هوش مصنوعی به عنوان یک کاتالیزور برای غول هایی مانند رویال بانک کانادا، بل کانادا، Wombo.ai، Glowforge و غیره عمل کرده است. نایان همچنین به عنوان یک محقق یادگیری ماشین، با مقالات متعددی که توسط رسانه های پیشرو در مورد موضوعاتی از یادگیری ماشین و هوش مصنوعی گرفته تا علوم شناختی محاسباتی منتشر شده است، بسیار مفید بوده است. او همچنان به راهنمایی و آموزش طیف متنوعی از دانش آموزان برای پرورش نسل بعدی استعدادهای هوش مصنوعی ادامه می دهد.