Самообразовательная инициатива по погружению в генеративный ИИ.
Цель: Познакомиться поближе с методами generative AI, местами погружаясь в детали их работы. Начиная от исторически самых первых генеративных моделей до востребованных на сегодняшний день.
Два уровня погружения:
- поверхностное, для общего понимания устройства моделей
- более глубокое в отдельные методы и алгоритмы (🤓)
Это просто компиляция материалов из различных открытых источников, локализованная и немного преобразованная под цели данного проекта. Программа имеет свой приблизительный таймлайн, идея состоит в том, чтобы раз в неделю выпускать что-то новое, приблизительно в соответствии с планом. Планируется, что инициативная группа авторов будет разбираться с темами в рамках программы и публиковать jupyter-ноутбуки как результат по каждой теме. Датасеты используются небольшие (MNIST, Fashion MNIST etc), чтобы была возможность запускать ноутбуки в Google Colab, например.
Программа:
Номер | Название | Содержание | 📆 Дата релиза |
---|---|---|---|
Unit 0 | Основы pytorch | Очень коротко про самые основы, для тех, кто впервые сталкивается с нейросетями | 2023-08-24 |
Unit 1 | Автоэнкодеры |
|
2023-08-31 |
Unit 2 | Генеративные состязательные сети |
|
2023-09-14 |
Unit 3 | Потоковые генеративные модели | 2023-09-28 | |
Unit 4 | Генерация последовательностей |
|
2023-10-05 |
Unit 5 | Трансформеры, механизм внимания |
|
2023-10-26 |
Unit 6 | Диффузные модели |
|
2023-11-16 |
Unit 7 | Метрики качества генерации |
|
2023-12-07 |
Unit 8 | Energy-based models |
|
2023-12-14 |
Unit 9 | Генерация табличных данных |
|
2024-01-11 |
Unit 10 | Мультимодальные генеративные модели | Обзор эволюции мультимодальных моделей | 2024-02-15 |
Unit 11 | Закат трансформеров | 2024-03-28 | |
Unit 12 | Непрерывные нормализующие потоки |
|
2024-03-14 |
Unit 13 | Генерация табличных временных рядов | 2023-04-04 | |
Unit 14 | Self-supervised learning | TBA |
Готовые короткие курсы по теме:
- Generative AI learning path от Google
- Generative AI with Large Language Models на Coursera
Книги:
- Tomczak, Jakub. Deep Generative Modeling. Springer, 2022
- Foster, David. Generative Deep Learning, 2nd ed., O'Reilly, 2023