{"course":{"productid":34562,"modality":6,"active":true,"language":"de","title":"Generative AI with Diffusion Models","productcode":"GAIDM","vendorcode":"NV","vendorname":"Nvidia","fullproductcode":"NV-GAIDM","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/nvidia-gaidm","objective":"<ul>\n<li>Aufbau eines U-Netzes zur Erzeugung von Bildern aus reinem Rauschen<\/li><li>Verbessern Sie die Qualit&auml;t der erzeugten Bilder mit dem Denoising-Diffusionsverfahren<\/li><li>Steuerung der Bildausgabe mit Kontexteinbettungen<\/li><li>Generierung von Bildern aus englischen Textaufforderungen mit Hilfe des neuronalen Netzes &quot;Contrastive Language-Image Pretraining&quot; (CLIP)<\/li><\/ul>","essentials":"<ul>\n<li>Ein grundlegendes Verst&auml;ndnis von Deep-Learning-Konzepten.<\/li><li>Vertrautheit mit einem Deep Learning Framework wie TensorFlow, PyTorch oder Keras. Dieser Kurs verwendet PyTorch.<\/li><\/ul>","outline":"<p><strong>Vom U-Netz zur Diffusion<\/strong>\n<\/p>\n<ul>\n<li>Aufbau einer U-Net-Architektur.<\/li><li>Trainieren Sie ein Modell, um Rauschen aus einem Bild zu entfernen.<\/li><\/ul><p><strong>Diffusionsmodelle<\/strong>\n<\/p>\n<ul>\n<li>Definieren Sie die Vorw&auml;rtsdiffusionsfunktion.<\/li><li>Aktualisierung der U-Net-Architektur, um einen Zeitschritt zu erm&ouml;glichen.<\/li><li>Definieren Sie eine umgekehrte Diffusionsfunktion.<\/li><\/ul><p><strong>Optimierungen<\/strong>\n<\/p>\n<ul>\n<li>Implementieren Sie die Gruppennormalisierung.<\/li><li>GELU umsetzen.<\/li><li>Implementieren Sie Rearrange Pooling.<\/li><li>Implementieren von sinusf&ouml;rmigen Positionseinbettungen.<\/li><\/ul><p><strong>Klassifikator-freie Diffusionsf&uuml;hrung<\/strong>\n<\/p>\n<ul>\n<li>Hinzuf&uuml;gen kategorischer Einbettungen zu einem U-Netz.<\/li><li>Trainieren Sie ein Modell mit einer Bernoulli-Maske.<\/li><\/ul><p><strong><\/strong>CLIP\n<\/p>\n<ul>\n<li>Erfahren Sie, wie Sie CLIP Encodings verwenden.<\/li><li>Verwenden Sie CLIP, um ein neuronales Text-Bild-Netzwerk zu erstellen.<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/nvidia-gaidm\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>Dank der Verbesserungen bei der Rechenleistung und der wissenschaftlichen Theorie ist generative KI zug&auml;nglicher als je zuvor. Generative KI spielt aufgrund ihrer zahlreichen Anwendungen eine wichtige Rolle in allen Branchen, z. B. bei der Generierung kreativer Inhalte, der Datenerweiterung, der Simulation und Planung, der Erkennung von Anomalien, der Entdeckung von Medikamenten, personalisierten Empfehlungen und vielem mehr. In diesem Kurs werden die Lernenden einen tieferen Einblick in Denoising-Diffusionsmodelle erhalten, die eine beliebte Wahl f&uuml;r Text-Bild-Pipelines sind.<\/p>\n<p><em>Bitte beachten Sie, dass eine einmal best&auml;tigte Buchung nicht mehr r&uuml;ckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f&uuml;r eine Veranstaltung nach der Best&auml;tigung nicht mehr stornieren k&ouml;nnen und keine R&uuml;ckerstattung erfolgt, unabh&auml;ngig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"- Aufbau eines U-Netzes zur Erzeugung von Bildern aus reinem Rauschen\n- Verbessern Sie die Qualit\u00e4t der erzeugten Bilder mit dem Denoising-Diffusionsverfahren\n- Steuerung der Bildausgabe mit Kontexteinbettungen\n- Generierung von Bildern aus englischen Textaufforderungen mit Hilfe des neuronalen Netzes \"Contrastive Language-Image Pretraining\" (CLIP)","essentials_plain":"- Ein grundlegendes Verst\u00e4ndnis von Deep-Learning-Konzepten.\n- Vertrautheit mit einem Deep Learning Framework wie TensorFlow, PyTorch oder Keras. Dieser Kurs verwendet PyTorch.","outline_plain":"Vom U-Netz zur Diffusion\n\n\n\n- Aufbau einer U-Net-Architektur.\n- Trainieren Sie ein Modell, um Rauschen aus einem Bild zu entfernen.\nDiffusionsmodelle\n\n\n\n- Definieren Sie die Vorw\u00e4rtsdiffusionsfunktion.\n- Aktualisierung der U-Net-Architektur, um einen Zeitschritt zu erm\u00f6glichen.\n- Definieren Sie eine umgekehrte Diffusionsfunktion.\nOptimierungen\n\n\n\n- Implementieren Sie die Gruppennormalisierung.\n- GELU umsetzen.\n- Implementieren Sie Rearrange Pooling.\n- Implementieren von sinusf\u00f6rmigen Positionseinbettungen.\nKlassifikator-freie Diffusionsf\u00fchrung\n\n\n\n- Hinzuf\u00fcgen kategorischer Einbettungen zu einem U-Netz.\n- Trainieren Sie ein Modell mit einer Bernoulli-Maske.\nCLIP\n\n\n\n- Erfahren Sie, wie Sie CLIP Encodings verwenden.\n- Verwenden Sie CLIP, um ein neuronales Text-Bild-Netzwerk zu erstellen.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Dank der Verbesserungen bei der Rechenleistung und der wissenschaftlichen Theorie ist generative KI zug\u00e4nglicher als je zuvor. Generative KI spielt aufgrund ihrer zahlreichen Anwendungen eine wichtige Rolle in allen Branchen, z. B. bei der Generierung kreativer Inhalte, der Datenerweiterung, der Simulation und Planung, der Erkennung von Anomalien, der Entdeckung von Medikamenten, personalisierten Empfehlungen und vielem mehr. In diesem Kurs werden die Lernenden einen tieferen Einblick in Denoising-Diffusionsmodelle erhalten, die eine beliebte Wahl f\u00fcr Text-Bild-Pipelines sind.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-07-29T12:18:28+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34562","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-gaidm"}}