This repository is designed to provide fundametal knowledge and practical skills in generative AI, including Transformer models, Large Language Models, and Image Generative AI. 이 리포지토리는 트랜스포머 모델, 대규모 언어 모델, 이미지 생성 AI 등 생성 AI의 기초적인 지식과 실무 기술을 제공하기 위해 설계되었습니다.
This content is part of the Zero to AI Master program conducted by Daegu AI-Hub. 이 콘텐츠는 대구 AI 허브에서 진행하는 제로 투 AI 마스터 프로그램의 일환입니다.
- Deep Dive into Transformer Models
Detailed analysis and understanding of the Transformer architecture. 트랜스포머 아키텍처에 대한 자세한 분석과 이해 - Predicting Simple Sequences with Transformers
Using torch.nn.Transformer to Predict Simple Sequences. 간단한 수열을 예측하기 위한 torch.nn.Transformer 사용법 - Fine-Tuning GPT-2 for News Headline Generation
Hands-on project to generate news headlines by fine-tuning GPT-2. GPT-2를 미세 조정하여 뉴스 헤드라인을 생성하는 실습 프로젝트 - Fine-Tuning BERT for NSMC Classification
Hands-on with fine-tuning BERT with Naver Sentiment Movie Corpus (NSMC) 네이버 감성 무비 코퍼스(NSMC)로 BERT를 파인튜닝하는 실습 프로젝트
-
Key Technologies Leading to LLMs
A review of essential advancements that enabled the development of LLMs. LLM의 발전을 가능하게 한 필수적인 과정에 대한 리뷰 -
Utilizing OpenAI API and Prompt Engineering
Practical usage of ChatGPT and prompt engineering techniques. ChatGPT API의 실제 사용법과 프롬프트 엔지니어링 기법 -
LangChain Basics and RAG App Development
Introduction to LangChain and a project for building a Retrieval-Augmented Generation (RAG) application. LangChain 소개 및 검색 증강 생성(RAG) 애플리케이션 구축 프로젝트without RAG RAG 
문무대왕함에 대한 잘못된 응답 pdf 문서를 기반으로 한 문무대왕함에 대한 바른 응답
- Introduction to AutoEncoders and Variational AutoEncoders
Theory and hands-on sessions for understanding AutoEncoders and VAE. 오토 인코더와 VAE를 이해하기 위한 이론 및 실습 - Denoising Diffusion Models
- Overview of Denoising Diffusion Probabilistic Models (DDPM). 노이즈 제거 확산 확률 모델(DDPM) 개요
- Proof-of-Concept (PoC) implementation of unconditional DDPM. 무조건부 DDPM의 개념 증명(PoC) 구현
- PoC implementation of conditional DDPM. 조건부 DDPM의 개념 증명(PoC) 구현
- Latent Diffusion Models (LDMs)
- Introduction to LDMs and their applications. LDM과 그 활용에 대한 소개
- PoC implementation of unconditional and conditional LDM. 무조건부 및 조건부 LDM의 PoC 구현
- HuggingFace 🤗Diffusers Framework
- Introducing 🤗Diffusers Library for Image Generation Tasks. 이미지 생성 작업을 위한 디퓨저 라이브러리 소개
- Training an Image Generation Model with 🤗Diffusers. 디퓨저 라이브러리를 이용한 이미지 생성 모델 학습
- Exploring different 🤗Diffusers pipelines, including the implementation of image2image and inpainting pipeline from scratch. image2image 및 inpainting 파이프라인위 밑바닥 구현 및 다양한 🤗디퓨저 파이프라인 탐색
| Input Image and Generated Image |
|---|
 |
| Input Image and Generated Image |
|---|
 |
- inpainting app project using 🤗Diffusers and gradio.
| without Prompt | with Prompt |
|---|---|
 |
 |
| None | A small robot, high resolution, sitting on a park bench |
- Stable Diffusion Fine-Tuning
- SD 1.5 Model Full Fine-Tuning 스테이블 디퓨전 1.5 풀 파인튜닝
- LoRA adapter training using PEFT (Parameter Efficient Fine-Tuning). 스테이블 디퓨전 1.5 LoRA를 이용한 파인튜닝
without RAG
This repository is licensed under the MIT License. Feel free to use and adapt the materials for educational purposes.
For questions or further information, please reach out to:
📩 Email: [email protected]
🌐 Website: https://metamath1.github.io/blog