En este curso, se proporciona una descripción general de los casos prácticos de IA generativa relacionados con modelos de difusión, que se utilizan principalmente para la creación y modificación de imágenes, y el valor empresarial que proporcionan. Se incluyen conceptos de modelos de difusión y aplicaciones reales, estudios de casos y consideraciones para evaluar diferentes modelos de difusión en función de las necesidades de los casos prácticos.
- Nivel del curso: intermedio
- Duración: 90 min
Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés. Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor.
Actividades
Este curso incluye presentaciones, ejemplos reales y estudios de casos.
Objetivos del curso
En este curso, aprenderá a hacer lo siguiente:
- Diferenciar los modelos de difusión de las redes generativas antagónicas (Generative Adversarial Networks, GAN) tradicionales.
- Describir los casos prácticos de los modelos de difusión y las aplicaciones multimodales.
- Comprender cómo se pueden ajustar los modelos de difusión.
- Comprender las consideraciones para evaluar diferentes modelos de difusión en función de las necesidades de los casos prácticos.
Audiencia objetivo
Este curso está dirigido a las siguientes personas:
- Cualquier persona que desee comprender las aplicaciones reales de los modelos de difusión
- Responsables de la toma de decisiones que buscan identificar y evaluar casos prácticos de IA generativa
Requisitos
Recomendamos que quienes participen en este curso cumplan los siguientes requisitos:
- Introducción a la IA generativa: el arte de lo posible (digital).
- Una formación técnica y experiencia en programación.
Esquema del curso
Módulo 1: Evolución de los modelos generativos
- Redes generativas antagónicas: GAN
- Limitaciones de las GAN
Módulo 2: Modelos de difusión; conceptos
- Interpretación de la generación de imágenes con modelos de difusión
- Conceptos y principios básicos de la generación de imágenes con modelos de difusión
Módulo 3: Stable Diffusion
- Información general conceptual de Stable Diffusion
- Arquitectura de Stable Diffusion
- Aplicaciones reales de Stable Diffusion
Módulo 4: Entrenamiento y evaluación de los modelos de difusión
- Entrenamiento de los modelos de difusión
- Evaluación de los modelos de difusión
Módulo 5: Ajuste preciso de los modelos de difusión
- Ajuste preciso de los modelos previamente entrenados para tareas específicas
- Casos prácticos y ejemplos prácticos
- Demostraciones
- Área de pruebas de imágenes de Amazon Bedrock
- Cuaderno de SageMaker de imagen a imagen
- Ajuste preciso mediante Amazon SageMaker JumpStart
Módulo 6: Evaluación de conocimientos y resumen
