Генеративные модели

Как выучить распределение по данным, сэмплировать из него новые объекты и решить, уловила ли модель данные. Шесть семейств моделей, и каждое по-своему выбирает между точным правдоподобием, быстрым сэмплированием и полезным латентным представлением.

Что нужно знать: теорию вероятностей (распределения, математическое ожидание, метод максимального правдоподобия) и машинное обучение до нейросетей и обратного распространения; для разделов «Ноутбук» пригодится немного PyTorch. Потоки, энергетические модели, диффузия и авторегрессионные модели — параллельные пути, а не лестница. Заметки с пометкой «Ответвление» — архитектурные и прикладные ветви; основной маршрут читается без них.

План курса → · Курс в одном абзаце →