이미지
#Generative AI and Large Language Models

Generative AI with Diffusion Models (생성형 AI와 분산형 모델)

교육시간
1일, 8시간
언어
한국어,영어
주제
Generative AI / LLMs
기술
PyTorch, CLIP

과정정보

컴퓨팅 성능과 과학 이론의 향상 덕분에 생성형 AI에 그 어느 때보다 쉽게 접근할 수 있게 되었습니다. 생성형 AI는 창의적인 콘텐츠 생성, 데이터 증강, 시뮬레이션 및 계획, 이상 탐지, 신약 발견, 개인화된 추천 등과 같은 수많은 응용 프로그램으로 인해 산업 전반에 걸쳐 중요한 역할을 합니다. 이 과정에서는 텍스트-이미지 파이프라인에 널리 사용되는 노이즈 제거 확산 모델에 대해 자세히 알아봅니다.

과정 세부 조건

  • • 딥 러닝 개념에 대한 기본적인 이해
  • • TensorFlow, PyTorch, Keras 등 딥러닝 프레임워크에 대한 지식이 필요합니다. 본 과정에서는 PyTorch를 사용합니다.
인증서
평가를 성공적으로 완료한 참가자는 관련 분야에 대한 역량을 인정 받고, 전문적 커리어 성장을 지원하는 NVIDIA DLI 인증서를 받게 됩니다.

DLI 교육 시청방법

  • 교육 문의
  • 결제 및 교육 크레딧 발급
  • 강의 시청
  • 평가 및 자격증 발급
온라인 모든 온라인 교육은 ZOOM 프로그램으로 진행됩니다.
오프라인
  • 오프라인 교육은 리더스시스템즈가 보유한 교육장 활용이 가능합니다. 안내한 이외 장소는 협의후 진행 가능합니다.
  • Professional Service & DLI Education Center : 경기도 하남시 미사강변한강로 155 미사강변 SK V1센터 505-507호
    지도 보기
  • - 수업 녹화 진행 어려우며, 불참시 녹화본은 따로 제공 되지 않습니다.
  • - 교육 자료는 교육 당일 별도 안내를 통해 확인하실 수 있습니다. (교육 참석자에 한해 제공)
  • - 모든 강의는 교육 크레딧 PO(발주) 진행된 이후에는 불가합니다.

이번 강의의 학습목표는 무엇인가요?

  • 순수한 노이즈로부터 이미지를 생성하는 U-Net 구축
  • 노이즈 제거 확산 프로세스를 통해 생성된 이미지의 품질을 개선합니다.
  • 컨텍스트 임베딩을 사용하여 이미지 출력을 제어합니다.
  • 대조 언어-이미지 사전 학습(CLIP) 신경망을 사용하여 영어 텍스트 프롬프트에서 이미지 생성

이 과정에서는 다음과 같은 주제와 기술을 다룹니다.

  • U-Nets
  • Diffusion
  • CLIP
  • Text-to-image Models

과정 개요

수업 일정 안내로, 강사와 상의하여 세션에 가장 적합한 일정을 정하시기 바랍니다.

U-Net에서 확산으로
  • U-Net 아키텍처를 구축합니다.
  • 이미지에서 노이즈를 제거하도록 모델을 학습시킵니다
확산 모델
  • 순방향 확산 함수를 정의합니다.
  • 타임스텝을 수용하도록 U-Net 아키텍처를 업데이트합니다.
  • 역확산 함수를 정의합니다
최적화
  • 그룹 정규화를 구현합니다.
  • GELU를 구현합니다.
  • 풀링 재정렬을 구현합니다.
  • 정현파 위치 임베딩을 구현합니다.
분류가 없는 확산 지침
  • Net에 범주형 임베딩을 추가합니다.
  • 베르누이 마스크를 사용하여 모델을 학습시킵니다.
클립
  • CLIP 인코딩 사용 방법 알아보기
  • CLIP을 사용하여 텍스트-이미지 신경망을 만듭니다

(*인증서 / 사전준비) : 공통

자주 묻는 질문

교육 비용 DLI 담당자에게 문의 혹은 교육 문의 페이지를 통해 문의 부탁드립니다.
  • NVIDIA Developer Program 계정이 없는 경우 교육 시작 전 미리 가입해 주시기 바랍니다. (가입 필수 / 계정 생성 바로가기)
  • 교육 후에 제공되는 모든 DLI 교육 자료는 본 계정을 통해 접속하실 수 있습니다.
  • 참고 : 교육 자료는 교육 당일 별도 안내를 통해 확인하실 수 있습니다. (교육 참석자에 한해 제공됩니다.)
  • 복습은 교육이 끝난 후 https://courses.nvidia.com/dashboard에서 6개월 동안 제공됩니다.

유의사항

  • 환불 안내 : 교육 크레딧 PO(발주) 진행된 이후에는 불가합니다.
  • 교육 네트워크 환경 : 최소 다운스트림 1 Mbps 속도가 필요하며, 5Mbps가 권장됩니다.

    워크숍 중에 오디오/비디오를 정상적으로 스트리밍 할 수 있으며, 깜빡거림 또는 지연을 방지할 수 있습니다.

  • 수업 녹화 진행 어려우며, 불참시 녹화본은 따로 제공 되지 않습니다.
  • 관련 문의는 리더스시스템즈 교육 문의하기로 부탁드립니다.

리더스시스템즈 NVIDIA Deep Learning Institute(DLI) 딥러닝 교육 및 트레이닝

리더스시스템즈는 NVIDIA Deep Learning Institute(DLI) 공인 교육 파트너로서, 최신 GPU 환경과 전문 강사진을 기반으로 체계적인 AI·딥러닝 트레이닝을 제공합니다. 산업별 요구에 최적화된 실무 중심 교육과 글로벌 표준 인증 과정을 통해 조직의 AI 역량을 빠르게 강화하며, 교육 이후 실제 프로젝트 적용까지 연계되는 완성도 높은 기술 지원 체계를 제공합니다. NVIDIA의 최신 기술 교육을 활용하여 AI, 데이터 과학, 가속 컴퓨팅 등의 분야에서 수요가 많은 기술, 실무 경험, 전문 지식을 얻으세요.

  • NVIDIA 공인 DLI 교육 파트너
  • DLI 공인 인증 강사진 보유
  • NVIDIA 공식 수료 인증 발급
  • 교육–컨설팅 연계 지원 체계 보유
  • 산업별 실무형 트레이닝 구성

리더스시스템즈에서 진행하는 다양한 교육과정을 확인해보세요

  • 이미지
    #중급 과정 #Deep Learning
    NVIDIA DLI 인증 교육 대화형 AI 애플리케이션 구축 Building Conversational AI Applications

    NVIDIA NeMo 프레임워크를 사용하여 자동 음성 인식(ASR) 및 텍스트 음성 변환(TTS) 모델과 이를 사용자 정의하는 방법을 자세히 살펴보고, Riva를 사용하여 모델을 배포하는 방법을 알아봅니다.

  • 이미지
    #중급 과정 #Deep Learning
    NVIDIA DLI 인증 교육 트랜스포머기반 자연어처리 시스템 구축 Building Transformer Based Natural Language Processing

    트랜스포머 기반 딥러닝 모델을 자연어 처리(NLP) 작업에 적용하고 미세 조정하는 방법을 배웁니다. 이 과정에서는 다음을 학습합니다.

  • 이미지
    #Generative AI/LLMs
    NVIDIA DLI 인증 교육 데이터 병렬화 Data Parallelism : How to Train Deep Learning Models on Multiple GPUs

    딥러닝 모델 학습 과정에서 여러 GPU에 데이터를 분산하는 방법을 학습하면 활용하는 놀랍도록 다양한 새로운 응용 분야가 가능해집니다.

맨위로가기