【Flow Matching and Diffusion Models：MIT开设的生成式人工智能与随机微分方程，专注于扩散模型和流匹配模型，这些模型在多种数据模态中成为了生成式 AI 的先进技术。课程从基本原理出发，构建了这些模型的数学框架。学生将通过构建一个简单的图像扩散模型来实践这些概念，并在过程中获得随机微分方程的实用知识，这些知识在许多其他领域都是有用的。课程包括自包含的课程笔记、讲座和实验室练习，旨在让学生通过实践来理解理论。实验室练习包括三个部分：与随机微分方程的操作、流匹配和得分匹配、以及条件图像生成。此外，课程还邀请了来自 Toyota Research 和 MIT 的客座讲师，分享了生成式机器人和蛋白质设计的最新进展。课程要求学生具备线性代数、实分析和基础概率论的知识，并熟悉 Python 和 PyTorch。亮点：1. 从基础原理出发，构建完整的数学框架；2. 提供3个实践实验室，手把手教你实现模型；3. 涵盖多个前沿领域，如生成式机器人和蛋白质设计】
'Flow Matching and Diffusion Models: This course aims to build up the mathematical framework underlying these models from first principles. At the end of the, students will have built a toy image diffusion model from scratch.'
网页链接：
生成式AI MIT课程 深度学习 AI创造营
