このコースでは、主に画像の作成と修正に使用される拡散モデルに関連する生成 AI のユースケースと、それらが提供するビジネス価値の概要を説明します。拡散モデルの概念と実際のアプリケーション、導入事例、およびユースケースのニーズに基づいたさまざまな拡散モデルを評価するための考慮事項が含まれます。
- コースレベル: 中級
- 所要時間: 90 分
アクティビティ
このコースには、プレゼンテーション、実際の例、導入事例が含まれます。
コースの目標
このコースでは、以下の内容を学習します。
- 拡散モデルと従来の敵対的生成ネットワーク (GAN) の違い
- 拡散モデルのユースケースとマルチモーダルアプリケーションの説明
- 拡散モデルをファインチューニングする方法を理解する
- ユースケースのニーズに基づいてさまざまな拡散モデルを評価する際の考慮事項について理解する
対象者
このコースは以下のような方を対象としています。
- 拡散モデルを実際に応用する方法について理解したい方
- 生成 AI のユースケースを特定して評価することを検討している意思決定者
前提条件
このコースを受講するにあたり、次の前提条件を満たしておくことをお勧めします。
- 「Introduction to Generative AI – Art of the Possible (デジタル)」の受講
- 技術的な背景とプログラミングの経験があることが望ましい
コースの概要
モジュール 1: 生成モデルの進化
- 敵対的生成ネットワーク (GAN)
- GAN の制限事項
モジュール 2: 拡散モデル - コンセプト
- 拡散モデルによる画像生成の理解
- 拡散モデルによる画像生成の基本コンセプトと原則
モジュール 3: Stable Diffusion
- Stable Diffusion のコンセプトの概要
- Stable Diffusion のアーキテクチャ
- Stable Diffusion の実際の応用
モジュール 4: 拡散モデルのトレーニングと評価
- 拡散モデルのトレーニング
- 拡散モデルの評価
モジュール 5: 拡散モデルのファインチューニング
- 特定のタスクのための事前トレーニング済みモデルのファインチューニング
- 導入事例と実践例
デモ
- Amazon Bedrock イメージプレイグラウンド
- Image-to-image SageMaker ノートブック
- Amazon SageMaker JumpStart を使用したファインチューニング
モジュール 6: ナレッジチェックとまとめ
