이 과정에서는 주로 이미지 생성 및 수정에 사용되는 확산 모델과 관련된 생성형 AI 사용 사례, 그리고 이러한 모델에서 얻을 수 있는 비즈니스 가치에 대한 개요를 제공합니다. 확산 모델의 개념과 실제 적용, 사례 연구, 사용 사례의 요구 사항을 토대로 다양한 확산 모델을 평가하기 위한 고려 사항이 포함되어 있습니다.
- 과정 수준: 중급
- 소요 시간: 90분
참고: 이 과정의 동영상에는 한국어 트랜스크립트 또는 자막이 지원되며 음성은 영어로 출력됩니다. 자막을 표시하려면 동영상 화면 우측 하단의 CC 버튼을 클릭하세요.
참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.
활동
이 과정에는 프레젠테이션, 실제 예시 및 사례 연구가 포함되어 있습니다.
과정 목표
이 과정에서 학습할 내용은 다음과 같습니다.
- 확산 모델과 기존 적대적 생성 신경망(GAN)의 차이점
- 확산 모델의 사용 사례 및 멀티모달 애플리케이션에 대해 설명
- 확산 모델을 미세 조정할 수 있는 방법 숙지
- 사용 사례의 요구 사항을 토대로 다양한 확산 모델을 평가하기 위한 고려 사항 숙지
수강 대상
이 과정의 수강 대상은 다음과 같습니다.
- 확산 모델의 실제 적용 방법을 이해하고자 하는 모든 사람
- 생성형 AI 사용 사례를 식별 및 평가하고자 하는 의사 결정권자
사전 조건
이 과정을 수강하기 전에 다음 조건을 갖추는 것을 권장합니다.
- 생성형 AI 소개 — 가능성의 예술(디지털)
- 기술적 배경 지식과 프로그래밍 경험이 있으면 도움이 됩니다.
과정 개요
모듈 1: 생성형 모델의 진화
- 적대적 생성 신경망 - GAN
- GAN의 한계
모듈 2: 확산 모델 - 개념
- 확산 모델을 사용한 이미지 생성 이해
- 확산 모델을 사용한 이미지 생성의 기본 개념 및 원리
모듈 3: Stable Diffusion
- Stable Diffusion의 개념 개요
- Stable Diffusion의 아키텍처
- Stable Diffusion의 실제 적용
모듈 4: 확산 모델 훈련 및 평가
- 확산 모델 훈련
- 확산 모델 평가
모듈 5: 확산 모델 미세 조정
- 특정 태스크를 위해 사전 훈련된 모델 미세 조정
- 사례 연구 및 실제 예시
데모
- Amazon Bedrock 이미지 플레이그라운드
- 이미지 대 이미지 SageMaker 노트북
- Amazon SageMaker JumpStart를 사용한 미세 조정
모듈 6: 지식 확인 및 요약
