mirror of
https://github.com/PKUFlyingPig/cs-self-learning.git
synced 2026-06-26 03:17:01 +08:00
20 lines
1 KiB
Markdown
20 lines
1 KiB
Markdown
# MIT6.S184: Generative AI with Stochastic Differential Equations
|
||
|
||
## 课程简介
|
||
|
||
- 所属大学：MIT
|
||
- 先修要求：Basic understanding of deep learning, and be comfortable with calculus and linear algebra
|
||
- 编程语言：Python (with PyTorch)
|
||
- 课程难度：🌟🌟🌟🌟
|
||
- 预计学时：20
|
||
|
||
这门课程是由 MIT CSAIL 的 IAP 小学期开办的扩散模型入门课程。该课程由 MIT 学生 Peter Holderrieth 和 Ezra Erives 主讲，从微分方程的视角深入浅出地讲解了扩散模型和流匹配模型的数学理论基础，并且配以实践让学生从零构建扩散模型，最后通过讲座介绍其在分子设计和机器人学等前沿技术中的应用。
|
||
|
||
课程配套的教材笔记写得非常好，推荐仔细阅读。
|
||
|
||
## 课程资源
|
||
|
||
- 课程网站：https://diffusion.csail.mit.edu/
|
||
- 课程视频：参见课程网站
|
||
- 课程教材：[An Introduction to Flow Matching and Diffusion Models](https://arxiv.org/abs/2506.02070)
|
||
- 课程作业：三个实验，具体参见课程网站
|