仕組みから学ぶ生成AI入門――基礎から応用まで徹底理解

構成数 : 1枚

■第1章 ディープラーニングの基礎知識
第1章のはじめに
1.1 環境準備
1.1.1 Colaboratoryの使い方
1.1.2 サンプルコードのダウンロード
1.1.3 Colaboratoryのランタイムについて
1.2 分類モデルの仕組みと実装
1.2.1 線形多項分類器の仕組み
1.2.2 多層ニューラルネットワークへの拡張
1.3畳み込みニューラルネットワークによる画像分類
1.3.1 畳み込みフィルターによる特徴量の抽出
1.3.2 畳み込みフィルターの多段構成

■第2章 変分オートエンコーダによる画像生成
第2章のはじめに
2.1 変分オートエンコーダの仕組み
2.1.1 オートエンコーダと潜在空間
2.1.2 転置畳み込みフィルターによる画像生成
2.1.3 変分オートエンコーダへの拡張
2.2 ラベルデータを活用した拡張
2.2.1 マルチタスク学習
2.2.2 条件付き変分オートエンコーダ

■第3章 LSTMによる自然言語処理
第3章のはじめに
3.1 LSTMによるテキスト分類
3.1.1 RNNの考え方とLSTMの仕組み
3.1.2 LSTMの利用方法
3.1.3 双方向LSTMによるテキスト分類モデル
3.2 LSTMによるテキスト生成
3.2.1 LSTMによる単語予測モデル
3.2.2 LSTMによるテキスト生成

■第4章 トランスフォーマーによる自然言語処理
第4章のはじめに
4.1 トランスフォーマーによる自然言語処理
4.1.1 トランスフォーマーの仕組み
4.1.2 トランスフォーマーとRNNの比較
4.2 トランスフォーマーによるテキスト分類
4.2.1 トランスフォーマーの構成要素の実装
4.2.2 トランスフォーマーによるテキスト分類モデル
4.3 トランスフォーマーによるテキスト生成
4.3.1 トランスフォーマーによる単語予測モデル
4.3.2 トランスフォーマーによるテキスト生成

■第5章 拡散モデルの仕組み
第5章のはじめに
5.1 DCGANの仕組み
5.1.1 DCGANの学習プロセス概要
5.1.2 DCGANによる画像生成モデル
5.2 拡散モデルの仕組み
5.2.1 データ分布の変換機能
5.2.2 拡散モデルの考え方
5.2.3 拡散モデルの実装
5.3 VQ-VAEの仕組み
5.3.1 VQ-VAEの潜在空間
5.3.2 VQ-VAEの学習例

■第6章 マルチモーダルモデルの実現
第6章のはじめに
6.1 自然言語テキストによる画像生成
6.1.1 テキストエンコーダによる意味の抽出
6.1.2 大規模言語モデルによる品質向上
6.2 マルチモーダルモデルの実現