本課程概述了與擴散模型相關的生成式 AI 使用案例 (主要用於影像建立和修改)，以及其提供的商業價值。包括擴散模型概念和實際應用、案例研究，以及根據使用案例需求評估不同擴散模型的考量。
- 課程等級：中級
- 持續時間：90 分鐘
注意：本課程具有本地化的註釋/字幕。旁白保留英語。要顯示字幕，請按一下播放器右下角的 CC 按鈕。
活動
本課程包括簡報、實際範例和案例研究。
課程目標
在本課程中，您將學習以下內容：
- 擴散模型與傳統生成對抗網路 (GAN) 有何不同
- 描述擴散模型使用案例和多模態應用
- 了解如何微調擴散模型
- 了解根據使用案例需求評估不同擴散模型的考量
目標對象
本課程適用於：
- 任何想了解擴散模型實際應用的人
- 尋求識別和評估生成式 AI 使用案例的決策者
先決條件
我們建議參加本課程的學員應具備：
- 已完成 Introduction to Generative AI – Art of the Possible (數位課程)
- 技術背景和程式設計經驗很有幫助
課程大綱
單元 1：生成模型的演變
- 生成對抗網路 - GAN
- GAN 的限制
單元 2：擴散模型 - 概念
- 了解如何使用擴散模型生成影像
- 使用擴散模型生成影像背後的基本概念和原理
單元 3：Stable Diffusion
- Stable Diffusion 的概念性概觀
- Stable Diffusion 架構
- Stable Diffusion 實際應用
單元 4：訓練和評估擴散模型
- 訓練擴散模型
- 評估擴散模型
單元 5：微調擴散模型
- 針對特定任務微調預先訓練的模型
- 案例研究和實際範例
示範
- Amazon Bedrock 影像練習區
- 影像轉影像 SageMaker 筆記本
- 使用 Amazon SageMaker JumpStart 進行微調
單元 6：知識檢測和總結
