Szkolenie 3-dniowe
Metody i algorytmy AI
w generowaniu obrazów
Szkolenie obejmuje różnorodne modele i algorytmy wykorzystywane do tworzenia obrazów – od tradycyjnych metod po najnowocześniejsze rozwiązania, takie jak Flux.
Terminy i cena szkolenia
Sprawdź najbliższe terminy szkolenia i wybierz tryb nauki, który najlepiej odpowiada Twoim preferencjom.
Cena: 3 350 zł netto + 23% VAT (4 120 zł brutto/os)
Tryb wieczorowy
Najbliższy termin: 17.03.2025 r.6 wieczorów po 4 godziny (17:30-21:30).
2x poniedziałek, 2x środa, 2x piątek.Tryb weekendowy
Najbliższy termin: 22.03.2025 r.2 weekendy po 8 godzin (9:00-17:00).
2x sobota i 1x niedziela.
Cele szkolenia
Prześledzenie rozwoju metod generowania obrazów przez AI – od GAN-ów po nowoczesne modele Flux.
Zgłębienie mechanizmów działania modeli dyfuzyjnych oraz struktury Stable Diffusion.
Opanowanie obsługi biblioteki Hugging Face Diffusers do tworzenia obrazów za pomocą sztucznej inteligencji.
Dostosowywanie własnego modelu poprzez fine-tuning z wykorzystaniem LoRA na podstawie własnych zdjęć.
Dla kogo jest to szkolenie?
Doświadczeni Data Scientists oraz inżynierowie ML, którzy posiadają fundamenty wiedzy o deep learning.
Wymagania
Szkolenie nie jest kierowane dla osób początkujących - wymagane co najmniej roczne doświadczenie z uczeniem głębokim (deep learning) oraz PyTorch.
Dobra znajomość języka programowania Python.
Dobra znajomość środowiska Linux oraz pracy ze środowiskiem Jupyter Notebook.
Dostęp do Google Colab.
Dlaczego warto wziąć udział w szkoleniu?
Intensywne warsztaty z naciskiem na ćwiczenia – minimalna teoria, maksymalna praktyka.
Poznanie i zastosowanie najnowszych motod i modeli, takich jak Flux Models i Stable Diffusion.
Szkolenie w formie pełnego projektu – od podstawowych modeli generacyjnych po fine-tuning własnego modelu LoRA.
Wykorzystanie wydajnych GPU, umożliwiających efektywne trenowanie modeli podczas zajęć.
Program szkolenia
1. Wprowadzenie do generowania obrazów za pomocą AI
- ✔️ Historia ewolucji generowania obrazów za pomocą AI
- ✔️ Omówienie VAE
- ✔️ Omówienie GAN
- ✔️ Modele dyfuzyjne - Stable Diffusion
- ✔️ Modele hybrydowe - Transformer + Diffusion (FLUX)
2. Podstawowe techniki generowania obrazów
- ✔️ Przykłady użycia GAN
- ✔️ Trening własnego modelu VAE
3. Nowoczesne techniki generowania obrazów
- ✔️ Embeddingi CLIP
- ✔️ Architektura U-Net
- ✔️ Schedulery usuwania szumów
- ✔️ Trenowanie własnego modelu dyfuzyjnego
4. Sterowanie generowaniem obrazu
- ✔️ Prompting - wstęp teoretyczny
- ✔️ Technika img2img
- ✔️ Inpainting
- ✔️ ControlNet
5. Omówienie efektywnych metod fine-tuningu dużych modeli
- ✔️ Dreambooth
- ✔️ Textual Inversion
- ✔️ LoRA (Low-Rank Adaptation)
- ✔️ Aspekty prywatności i etyki
6. Fine-tuning nowoczesnych modeli - praktyka
- ✔️ Przygotowanie danych
- ✔️ Fine-tuning modelu Flux z użyciem techniki LoRA
7. Przegląd gotowych narzędzi i API do generowania obrazów
- ✔️ DALLE-3
- ✔️ Stability AI
- ✔️ FLUX
- ✔️ Civit.AI
- ✔️ Huggingface Spaces
8. Implementowanie chatbotów z użyciem n8n
- ✔️ Interface chatu w n8n
- ✔️ Integracja chatu n8n z własnym oprogramowaniem